III.2Исследование рынка и маркетинг

AptaArkana разработала эту модель как дообученную версию Toshifumi/distilbert-base-multilingual-cased-finetuned-emotion для классификации эмоций в тексте. Это компактная мультиязычная модель на архитектуре DistilBERT с классификационной головой; она принимает текст и выдаёт метки классов. Размер контекста — до 512 токенов. Модель предназначена для определения эмоциональной окраски индонезийского текста. В README указаны результаты оценки: accuracy, precision, recall и F1 — 0,9299; при этом описание набора данных и деталей оценки не приведено. Модель распространяется по лицензии Apache-2.0.

Испаноязычная чат-модель 4i Intelligent Insights на базе Llama 2 7B, дообученная на наборе инструкций Spanish Alpaca. Она принимает инструкции и необязательный дополнительный ввод и предназначена для непосредственной генерации ответов и выполнения пользовательских запросов на испанском языке. Модель использует плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и поддерживает контекст до 4096 токенов. Модель распространяется в форматах PyTorch и Safetensors по лицензии CC BY-NC 4.0, унаследованной от набора данных Spanish Alpaca. Адаптер дообучения объединён с исходной моделью Llama 2. Качество ответов может быть снижено из-за ошибок перевода в Spanish Alpaca; также модель унаследовала ограничения и возможные смещения базовой Llama 2.

Mini-blurstral — объединённая модель генерации текста на архитектуре Mistral, опубликованная пользователем liminerity. Она создана методом slerp с помощью LazyMergekit на основе mistralai/Mistral-7B-v0.1 и liminerity/Blur-7b-slerp-v0.1; в конфигурации базовой моделью указана OpenPipe/mistral-ft-optimized-1218. Репозиторий содержит веса в формате safetensors, а метаданные указывают 2,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в сценариях, где нужна текстовая генерация на базе Mistral. Карточка не приводит результатов оценки качества или подробностей о специализированных задачах и языках. Лицензия — Apache-2.0.

Mistralic-7B-1 — языковая модель на 7,1 млрд параметров, разработанная SkunkworksAI на архитектуре Mistral и предназначенная для генерации текста. В карточке приведён результат оценки: средний балл 0,72157; для сравнения указаны 0,7116 у mistralai/Mistral-7B-v0.1 и 0,6794 у mistralai/Mistral-7B-Instruct-v0.1. Модель имеет контекст длиной до 32 768 токенов и представлена в формате PyTorch. Карточка не уточняет набор языков, лицензию, обучающие данные или конкретные сценарии применения, поэтому эти характеристики нельзя надёжно определить.

Mistral Saba — языковая модель компании Mistral AI с 24 млрд параметров, разработанная для стран Ближнего Востока и Южной Азии. Она предназначена для генерации текста и ответов, учитывающих региональный контекст; модель обучена на отобранных региональных данных. Saba подходит для создания чат-ботов и других приложений, которым нужны контекстно релевантные ответы для этих регионов. В доступной карточке не приведены сведения о поддерживаемых языках, длине контекста или лицензии, поэтому эти характеристики здесь не уточняются.

Fixaro разработал модель классификации тональности по аспектам для отзывов о товарах и услугах на бирманском языке. Это второй этап двухэтапного конвейера ABSA: на вход подаются текст отзыва и категория аспекта, а модель определяет тональность — отрицательную, нейтральную или положительную. Для автоматической оценки аспектов сначала требуется отдельная модель их обнаружения. Модель основана на XLM-RoBERTa и использует архитектуру XLMRobertaForSequenceClassification; размер — 305,2 млн параметров, максимальная длина контекста — 514 токенов. Она обучена на 5 247 аспектных аннотациях отзывов и предназначена для пяти категорий: качество товара, доставка и скорость, цена и ценность, персонал и обслуживание, ассортимент и наличие. В тесте заявлены F1 Macro 0,8671 и F1 Weighted 0,9115. Модель может быть полезна для анализа отзывов и построения конвейеров аспектного анализа тональности. Ограничения включают низкую представленность нейтрального класса, чувствительность к сарказму и контексту, необходимость явно передавать аспект и возможное снижение качества вне отзывов о товарах и услугах. Лицензия — MIT.

NeuralsirkrishnaShadow_Experiment26Experiment28 — объединённая текстовая генеративная модель MaziyarPanahi на архитектуре Mistral. Она создана слиянием моделей automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Experiment28-7B. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Лицензия — Apache-2.0. Карточка не описывает специализацию, языковое покрытие или отдельные возможности модели; качество и поведение зависят от исходных объединённых моделей.

OpenBuddy-openllama-7b-v5-fp16 — версия многоязычного чат-бота OpenBuddy, разработанного проектом OpenBuddy. Модель построена на плотной архитектуре LLaMA с классом LlamaForCausalLM и содержит 6,6 млрд параметров; опубликована в формате PyTorch с лицензией Apache-2.0. Модель предназначена для диалогов и генерации текста. В карточке заявлена поддержка китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. Длина контекста составляет 2048 токенов. OpenBuddy может выдавать ошибочные, вредные или оскорбительные ответы. Разработчики не рекомендуют использовать её в критических сценариях, включая медицину, управление потенциально опасными системами и важные финансовые или юридические решения.

Qwen3.5-2B Financial Sentiment Extractor — дообученная компанией Tuned Tensor модель Qwen/Qwen3.5-2B для извлечения тональности из финансовых твитов и публикаций в соцсетях. На вход подаётся одна короткая публикация, на выходе модель формирует компактный JSON с меткой bearish, bullish или neutral, числовым классом и кратким обоснованием. Модель основана на плотной архитектуре Qwen3.5 с 2 млрд параметров и обучена на 4 080 примерах датасета zeroshot/twitter-financial-news-sentiment в течение одной эпохи с точностью bf16. README сообщает о повышении оценок на тестовой и валидационной выборках относительно базовой модели и о корректном JSON-формате во всех проверенных примерах. Репозиторий использует safetensors и библиотеку Transformers. Модель предназначена для классификации рыночного настроения в коротких финансовых публикациях и выдачи структурированного результата для последующей обработки. Неоднозначные публикации со смешанными сигналами могут классифицироваться сложнее. Модель не является инвестиционным советником, торговой системой или источником фактических рыночных данных. Лицензия — Apache-2.0.

Модель senlou/weibo-sentiment-chinese-bert разработана для анализа тональности коротких сообщений в Weibo. Это дообученная для классификации последовательностей китайская BERT-модель hfl/chinese-bert-wwm-ext размером 129,5 млн параметров; она присваивает тексту одну из трёх меток: отрицательная, положительная или нейтральная. Модель принимает текст длиной до 512 токенов и предназначена для анализа китайских публикаций и агрегирования настроений в системах мониторинга общественного мнения. Обучение проводилось на наборе weibo_senti_100k из 100 тысяч сообщений. Нейтральные примеры были добавлены к исходному набору с положительными и отрицательными метками по правилам. В README указаны точность 87,79% и Macro F1 0,8783 для стандартного режима; эти результаты относятся к описанному авторами эксперименту и могут не переноситься на другие данные. Модель распространяется в формате Safetensors по лицензии Apache 2.0.

YamshadowInex12_Ognoexperiment27Multi_verse_model — объединённая модель для генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Модель принимает текст и генерирует текст; её контекстное окно составляет до 32 768 токенов. Карточка не описывает конкретную специализацию, набор поддерживаемых языков или преимущества объединения моделей, поэтому её назначение можно определить только как общее текстовое генерирование. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

YamshadowStrangemerges_32_ShadowYamshadow — объединённая модель генерации текста, опубликованная MaziyarPanahi. Она построена на архитектуре Mistral и объединяет automerger/YamshadowStrangemerges_32-7B и automerger/ShadowYamshadow-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Данные карточки не описывают специальные сценарии применения, языковую специализацию или результаты оценки качества. Распространяется в формате Safetensors по лицензии Apache-2.0.

BEAT (Behavioral Encoder for Action Trajectories) — трансформерная модель для преобразования последовательностей пользовательских событий в плотные эмбеддинги размерности 768. Автор карточки представляет её как основу для анализа поведения пользователей; модель учитывает типы событий и временные интервалы между ними. Архитектура BEATModel содержит 12 слоёв и 12 голов внимания, всего 113,6 млн параметров. Модель предварительно обучена на наборе REES46 с данными об электронной коммерции: более 20 млн событий от 50 000 пользователей. В README описаны задачи прогнозирования оттока, сегментации пользователей и выбора следующего действия; эмбеддинги можно использовать как признаки или дообучать с предсказательной головой. Входом служат последовательности поведенческих событий, выходом — векторы признаков. Лицензия — Apache-2.0.

Claire-7B-FR-Instruct-0.1 — франкоязычная языковая модель, разработанная LINAGORA при поддержке OpenLLM-France. Это плотная модель семейства Falcon для генерации текста, дообученная следовать инструкциям на очищенном наборе Vigogne, созданном на основе переведённого Alpaca. Модель рассчитана на ответы на запросы, создание контента и другие задачи, где нужно сформировать подробный ответ по инструкции; для работы следует использовать указанный в карточке шаблон запросов. Модель не предназначена для диалога в формате chat. Она принимает текст и генерирует текст на французском языке. Контекст составляет 2048 токенов, а в репозитории используются веса Safetensors. Модель унаследовала разговорную французскую настройку базовой Claire-7B-0.1, но её ответы могут отражать предвзятости данных обучения. Лицензия CC-BY-NC-SA 4.0 ограничивает коммерческое использование.

Orthogonal Model of Emotions (OME) — англоязычный классификатор эмоций, созданный databoyface путём дообучения distilbert/distilroberta-base на наборе данных OME v5.2. Модель использует архитектуру RoBERTa для классификации последовательностей, содержит 95,2 млн параметров и принимает текст длиной до 514 токенов. Классификатор относит примеры к 26 категориям, охватывающим доверие или любовь, счастье или удовольствие, ревность или зависть, стыд или вину, гнев или отвращение, страх или тревогу, печаль или травму, а также нейтральные и пограничные случаи. Подходит для разметки эмоциональной окраски англоязычных фраз и анализа эмоциональных категорий в текстовых корпусах. В README указаны точность 0,9803 и функция потерь 0,1073 на оценочном наборе; эти результаты относятся к тестированию авторов и не гарантируют такую же точность на других данных. Модель распространяется по лицензии MIT.

ElEmperador — дообученная модель Mistral-7B-v0.1, созданная с применением ORPO для согласования ответов с человеческими предпочтениями. Она предназначена для генерации текста и диалогового использования. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык, а веса представлены в формате safetensors. В карточке сообщается, что ORPO применялся для улучшения модели вместе с дообучением на инструкциях; приведён результат BLEU 0,209, но условия оценки не описаны. Ожидаемое преимущество — более предпочтительные и удобные для пользователя ответы. Модель распространяется по лицензии Apache-2.0.

Experiment26Yamshadow_Experiment24Experiment28 — объединённая модель для генерации текста, созданная на основе automerger/Experiment26Yamshadow-7B и automerger/Experiment24Experiment28-7B. В карточке она представлена как Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста с контекстом до 32 768 токенов. Данные не описывают её специализацию, поддерживаемые естественные языки или сценарии помимо генерации текста. Распространяется в формате Safetensors по лицензии Apache-2.0.

MaziyarPanahi/Experiment28M7_Strangemerges_32Yam — слитая модель Mistral для генерации текста, созданная на основе automerger/Experiment28M7-7B и automerger/Strangemerges_32Yam-7B. В репозитории используются веса в формате safetensors; размер модели — 7,1 млрд параметров, длина контекста — до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Сведения о специальных сценариях применения, языковой специализации и дополнительных возможностях в карточке не приведены. Модель распространяется по лицензии Apache-2.0.

aifeifei798 представила дообученную мультимодальную модель Gemma 4 12B Queen, созданную на основе google/gemma-4-12B-it-qat-q4_0-unquantized. Это инструкционная модель с плотной архитектурой Gemma4Unified, рассчитанная на диалог и ролевые сценарии, включая тёмное фэнтези и Dark Academia. В карточке также заявлены ответы по тексту, изображениям, аудио и видео, а основной язык использования — английский. Модель ориентирована на творческое письмо: создание песен, длинных текстов, промптов, маркетинговых публикаций и объяснений, а также на ролевые диалоги. Среди дополнительных сценариев карточка перечисляет помощь с кодом, ревью и дизайном интерфейсов. Указаны быстрые ответы и адаптация для мобильных телефонов, однако количественных данных о скорости или требованиях к устройству нет. Репозиторий использует safetensors и библиотеку Transformers; лицензия — Apache-2.0.

rhaymison/gemma-portuguese-tom-cat-2b-it — дообученная модель на базе Google Gemma 2B IT, разработанная Rhaymison. Она обучена на 250 тысячах инструкций из датасета superset и предназначена для генерации текста, выполнения инструкций и диалогов на португальском языке, с акцентом на понимание выводов на португальском. Модель имеет плотную архитектуру GemmaForCausalLM с 2,5 млрд параметров и контекстом до 8192 токенов; доступна в формате safetensors и рассчитана на использование с Transformers. Модель общего назначения можно дополнительно адаптировать под конкретную область. В карточке отмечено, что она не обучалась специально для математических и программных задач. Распространяется по лицензии Apache-2.0.

Sharathhebbar24/Instruct_GPT — англоязычная авторская дообученная модель на архитектуре GPT-2 Medium. Она создана на базе gpt2-medium с использованием набора инструкционных данных databricks/databricks-dolly-15k и предназначена для генерации текста по текстовой подсказке, в том числе ответов в формате инструкций. Модель использует авторегрессионную схему: предсказывает следующий токен с учётом предыдущих, а не будущих токенов. Модель принимает и выдаёт текст, поддерживает английский язык и имеет контекстное окно 1024 токена. В карточке приведены результаты отдельных тестов Open LLM Leaderboard, однако они не гарантируют качество для конкретного сценария. Репозиторий содержит веса PyTorch. Лицензия — MIT.

Модель triplee/llama3.1_8b_2S1S_v2_merge — плотная авторегрессионная языковая модель семейства Llama 3.1 с примерно 7,5 млрд параметров, дообученная на базе unsloth/meta-llama-3.1-8b. Для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и может применяться в сценариях, где требуется продолжение или создание текста по запросу. В карточке указаны английский язык, контекстное окно до 131 072 токенов и формат весов safetensors. Лицензия — Apache-2.0. README не описывает специализированную область применения, конкретные обучающие данные или результаты оценки качества.

Adeptschneider выпустил языковую модель Llama 3.2 с плотной архитектурой и примерно 3,2 млрд параметров. Модель дообучена на базе unsloth/llama-3.2-3b-bnb-4bit с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется продолжение или создание текста по запросу. Заявленная длина контекста — 131 072 токена. В карточке не описаны специализация дообучения, поддерживаемые естественные языки или результаты оценки качества. Лицензия модели — Apache-2.0. Качество и пригодность для конкретных задач следует оценивать на соответствующих данных.

Taephom/magnumL — языковая модель для диалоговой генерации текста, созданная слиянием двух моделей через mergekit методом Passthrough: anthracite-org/magnum-v2.5-12b-kto и DavidAU/Mistral-Nemo-2407-12B-Thinking-Claude-Gemini-GPT5.2-Uncensored-HERETIC. Модель относится к семейству Mistral, использует плотную архитектуру MistralForCausalLM и содержит 22,4 млрд параметров. Опубликованные веса представлены в формате Safetensors; в конфигурации слияния указан тип bfloat16. Модель предназначена для общения и генерации текста, в том числе для творческого письма и ролевых сценариев. Метаданные указывают контекст до 1 024 000 токенов и возможность диалога. Базовая модель описана как многоязычная, однако конкретные поддерживаемые языки в карточке не перечислены. Модель обозначена как uncensored, поэтому может выдавать контент без обычных ограничений. Условия лицензирования в предоставленных данных не указаны.

MatCha ChartQA — визуально-языковая модель Google на архитектуре Pix2Struct, дообученная для ответов на вопросы по диаграммам и графикам. Она принимает изображение диаграммы и текстовый вопрос, а затем формирует текстовый ответ; в карточке также отмечено дообучение на наборе Chart2text-pew. Модель предназначена для извлечения сведений из графиков и численного рассуждения по их данным, например для сравнения значений или проверки их суммы. В описании MatCha указаны предварительное обучение для разбора графиков и численных рассуждений, а также улучшения результатов на бенчмарках PlotQA и ChartQA. Модель поддерживает английский, французский, румынский и немецкий языки. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Ответы зависят от формулировки вопроса: README рекомендует задавать конкретные вопросы. Заявленные результаты относятся к бенчмаркам и не гарантируют точность на любых типах диаграмм или формулировках.

Modern-FinBERT-large — англоязычная модель классификации финансовых текстов, созданная beethogedeon на базе answerdotai/ModernBERT-large и дообученная для анализа тональности. Она присваивает тексту вероятности трёх классов: положительная, отрицательная и нейтральная тональность. Модель содержит около 394,7 млн параметров, использует архитектуру ModernBERT и принимает контекст длиной до 8192 токенов. Модель предназначена для классификации новостей, финансовых сообщений и других текстов об экономике и рынках. Её можно использовать через Transformers для анализа тональности; при дообучении применялся датасет Financial PhraseBank. Модель распространяется по лицензии Apache-2.0. README называет её предварительно обученной, однако метаданные указывают на дообучение базовой ModernBERT-large.

OOM-SOLAR-10.7B_01 — языковая модель на основе оптимизированной архитектуры Transformer семейства Llama, разработанная на базе upstage/SOLAR-10.7B-v1.0 и beomi/OPEN-SOLAR-KO-10.7B. Модель содержит 10,7 млрд параметров и принимает текст для генерации текста; её контекст составляет 2048 токенов. Модель предназначена для генерации текста на английском и корейском языках. Возможные сценарии — создание черновиков, продолжение текста и ответы в формате диалога. README не приводит сведения об обучающих данных, оценке качества или конкретных ограничениях применения. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Nitral-Archive/Prima-LelantaclesV7-experimentalv2-7b — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием методом SLERP моделей ChaoticNeutrals/Prima-LelantaclesV7-experimental-7b и tavtav/eros-7b-test. Веса представлены в формате safetensors; размер модели составляет 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка указывает состав слияния и его конфигурацию, но не описывает специальные сценарии, языки или результаты оценки качества. Лицензия указана как other, поэтому условия использования следует уточнить в материалах репозитория.

rizla-9 — языковая модель для генерации текста, опубликованная пользователем rizla. По метаданным это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, 11,7 млрд параметров и контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка описывает объединение предварительно обученных языковых моделей методом passthrough с помощью mergekit. В конфигурации указаны локальные пути к компонентам, поэтому их идентификаторы и назначение установить нельзя. Модель предназначена для генерации текста; метаданные указывают английский язык. Лицензия — MIT.

Модель milyiyo/selectra-small-finetuned-amazon-review — дообученная Recognai/selectra_small модель Electra для классификации текста отзывов Amazon. Она предназначена для определения классов или тональности отзывов; README приводит результаты оценки на наборе amazon_reviews_multi: accuracy 0,737 и F1 0,7438. Модель содержит 25,4 млн параметров, использует PyTorch и принимает последовательности длиной до 512 токенов. Модель подходит для автоматической сортировки и анализа отзывов, однако приведённых метрик недостаточно, чтобы оценить качество на других наборах данных или в производственной среде. Языки в использованных метаданных не обозначены. Лицензия — Apache-2.0.