III.2Исследование рынка и маркетинг

badalsahani/text-classification-multi — модель классификации текста, обученная разработчиком с помощью AutoTrain. Она решает задачу многоклассовой классификации и принимает текст для предсказания класса; модель можно вызывать через Inference API или использовать в экосистеме Transformers и PyTorch. Модель основана на BERT с головой BertForSequenceClassification, содержит 432,3 млн параметров и рассчитана на последовательности длиной до 512 токенов. В карточке указан английский язык и набор данных badalsahani/autotrain-data-text-classification. На валидации заявлены accuracy и F1, precision и recall со значениями 1,000, однако сведения о размере и составе выборки не приведены, поэтому эти результаты не гарантируют качество на новых данных. Лицензия в предоставленных сведениях не указана.

Trendyol-LLM-Asure-12B — мультимодальная инструктивная модель компании Trendyol на 12 млрд параметров, дообученная на базе Google Gemma 3 12B. Она принимает текстовые запросы и изображения с текстом, поддерживает диалог и предназначена прежде всего для операционных задач электронной коммерции на турецком и английском языках. Модель выполняет суммаризацию и перефразирование, отвечает на текстовые и визуальные вопросы, извлекает структурированные данные, классифицирует текст и генерирует ответы с заданными ограничениями, в том числе для оценки релевантности. Модель оптимизирована для следования инструкциям и более краткой генерации, что, по заявлению разработчика, помогает сократить расход токенов и повысить эффективность инференса. Её общие энциклопедические знания ограничены, поэтому она лучше подходит для бизнес-задач, чем для широких справочных запросов. Возможны фактические ошибки, неверное понимание сленга и предвзятые или вредоносные ответы; результаты требуют проверки. Репозиторий содержит веса Safetensors, библиотека — Transformers. Лицензия — Gemma.

Tulu V2.5 PPO 13B Chatbot Arena 2023 — англоязычная диалоговая модель-помощник от Allen Institute for AI (AI2). Она построена на архитектуре Llama 2 с 12,9 млрд параметров и дообучена методом PPO на диалогах Chatbot Arena 2023; при обучении использовалась 13-миллиардная reward-модель, обученная на данных Chatbot Arena. Модель предназначена для генерации ответов помощника и следования инструкциям в англоязычных диалогах. Контекст составляет 4096 токенов. Модель поддерживает текстовый ввод и выдаёт текст. Для диалога предусмотрен шаблон чата в токенизаторе; соблюдение формата и завершающего перевода строки влияет на качество генерации. Лицензия — Apache 2.0. В RLHF-модели не настраивалась на безопасные ответы, а встроенная фильтрация не предусмотрена, поэтому она может выдавать проблемный контент, особенно при соответствующих запросах.

Unichat-llama3-Chinese-8B — диалоговая модель генерации текста, выпущенная AI-инновационным центром China Unicom. Это модель семейства Llama 3 с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров, дообученная всеми параметрами на китайских инструкционных данных. Она предназначена для вопросов и ответов на китайском языке и поддерживает диалоговые сценарии; в примерах также показаны решение математических задач и подготовка предложений для разных отраслей. Модель сохраняет исходный контекст длиной 8192 токена. В карточке заявлены китайский и английский языки, формат весов PyTorch и лицензия Apache-2.0. Ответы могут содержать ошибки; примеры в карточке не гарантируют точности, а медицинские и другие профессиональные ответы требуют проверки специалистом.

YamshadowInex12_Inex12Strangemerges_32 — слитая модель для генерации текста, созданная объединением automerger/YamshadowInex12-7B и automerger/Inex12Strangemerges_32-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текст и поддерживает контекст длиной до 32 768 токенов. Подходит для генерации продолжений и ответов в текстовых сценариях. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не описывает специализированные области применения или дополнительные возможности.

dlibf/zephyr-6b-dpo-full — это плотная авторегрессионная языковая модель семейства LLaMA с 5,8 млрд параметров, предназначенная для генерации текста и диалогового общения. В метаданных указано окно контекста до 200 000 токенов и формат весов Safetensors. Карточка сообщает о метриках оценки DPO, включая точность предпочтений 0,7305 и разницу вознаграждений 0,5407, но не описывает обучающие данные, практические сценарии применения или подтверждённые языковые возможности. Условия лицензии в доступных данных не приведены.

ShenaoZhang/0.0001_4iters_bs256_nodpo_only4w_iter_2 — дообученная модель семейства Mistral, созданная на основе ShenaoZhang/0.0001_4iters_bs256_nodpo_only4w_iter_1 и наборов данных updated и original. Она предназначена для генерации текста и диалогового общения; поддерживает контекст до 32 768 токенов и содержит 7,1 млрд параметров. Модель принимает текстовые запросы и выдаёт текст. Репозиторий использует формат safetensors, лицензия — MIT. README не приводит подробностей о назначении, оценке качества или ограничениях модели.

Модель ShenaoZ/0.0005_withdpo_4iters_bs256_555lr_iter_2 — чат-модель на архитектуре Mistral, дообученная на основе ShenaoZ/0.0005_withdpo_4iters_bs256_555lr_iter_1 на наборах данных updated и original. Она предназначена для генерации текста в диалоге. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и опубликована в формате safetensors. Модель распространяется по лицензии MIT. Карточка не приводит сведений о целевых сценариях, языках обучения, результатах оценки или известных ограничениях качества.

DreadPoor/Alita99-8B-LINEAR — объединённая диалоговая языковая модель, созданная методом linear merge с помощью mergekit. В объединение вошли DreadPoor/LemonP_ALT-8B-Model_Stock, DreadPoor/Heart_Stolen-8B-Model_Stock и DreadPoor/Aspire_1.3-8B_model-stock вместе с grimjim/Llama-3-Instruct-abliteration-LoRA-8B. Модель основана на архитектуре Llama, содержит 7,5 млрд параметров и предназначена для генерации текста и диалоговых ответов. Заявленная длина контекста — 131 072 токена. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. README приводит результаты оценки на IFEval и BBH, однако подробности сценариев применения и результаты по остальным метрикам не раскрыты.

Aeala/Alpaca-elina-65b — текстовая авторегрессионная модель семейства LLaMA на 65 млрд параметров, созданная как слияние ChanSung/Alpaca-LoRA-65B-elina. Она предназначена для генерации текста и диалоговых сценариев в стиле Alpaca. Модель использует архитектуру LlamaForCausalLM, распространяется в формате PyTorch и рассчитана на контекст до 2048 токенов. В карточке указано, что её отправили на Open LLM Leaderboard; результаты бенчмарков в README пока не приведены. Лицензия и отдельные сведения о языках в доступных данных не указаны, поэтому условия использования и качество для конкретных языков определить нельзя.

AZOU — модель классификации корейского текста, разработанная Ким Хигю, Пак Сонхо, Юк Сехёном и Ким Хёджин. Она оценивает связь между входным текстом, инструкцией и заданной меткой: более высокий балл означает, что метка лучше соответствует инструкции и тексту. Такой формат позволяет применять модель к классификации без отдельного обучения на каждую задачу, в том числе для определения темы, выявления ненавистнических высказываний, поиска и фильтрации текстов по заданным критериям. Модель основана на klue/roberta-large и имеет архитектуру RoBERTa для классификации последовательностей; в репозитории представлены веса PyTorch. Размер — 435,4 млн параметров, контекст — до 514 токенов. Карточка приводит результаты на корейских наборах данных для задач классификации, включая сравнение с GPT-3.5 на отдельных тестах. Модель распространяется по лицензии MIT.

BayLing-7B-diff — версия с разностью весов модели BayLing-7B, разработанной группой NLP Института вычислительных технологий Китайской академии наук. Это плотная языковая модель семейства Llama на 6,6 млрд параметров с контекстом 2048 токенов; репозиторий содержит веса PyTorch. Для получения параметров BayLing требуется применить разность весов к базовой модели с помощью apply_delta.py. Модель предназначена для генерации текста, следования инструкциям и многоходового диалога на английском и китайском языках. Она подходит для перевода, написания текстов, творческих задач и предложений. Лицензия репозитория — GPL-3.0. По данным авторов, модель может выдавать неточные факты и слабо справляется с рассуждениями, математикой и программированием; также возможна генерация вредного или предвзятого содержания.

skriv/bondlm — дообученная skriv чат-модель для генерации текста на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Она построена на плотной архитектуре Llama и содержит 7,5 млрд параметров. Модель подходит для диалогов и генерации ответов на текстовые запросы; при обучении использовались Unsloth и библиотека TRL. В метаданных указан контекст до 131 072 токенов и поддержка английского языка. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает специализированную предметную область или отдельные преимущества дообучения, поэтому качество для конкретных сценариев следует оценивать самостоятельно.

Psychotoke/cat — дообученная языковая модель на архитектуре Gemma 3, разработанная Psychotoke на базе unsloth/gemma-3-1b-it-unsloth-bnb-4bit. Это плотная авторегрессионная модель примерно с 1 млрд параметров для генерации текста и диалогового общения; заявленная длина контекста составляет 32 768 токенов. Модель принимает текст и выдаёт текст, а в карточке указан английский язык. Модель подходит для диалоговых сценариев и генерации текстовых ответов. В README сказано, что обучение проводилось с Unsloth и библиотекой TRL. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Locutusque/CollectiveLM-Falcon-3-7B — языковая модель, дообученная на базе tiiuae/Falcon3-7B-Base. По README, для обучения использован набор примерно из 1,3 тыс. примеров, полученных сочетанием методов Evol Instruct и Amplify Instruct: отдельные инструкции преобразовывались в сложные многоходовые диалоги. Модель предназначена для генерации текста и диалоговых ответов по инструкциям. Модель имеет плотную архитектуру с 7,1 млрд параметров и контекстное окно до 32 768 токенов. Метаданные указывают английский язык и поддержку чата. В README приведены результаты отдельных оценок, включая GSM8K и AGIEval; они не гарантируют качество на других задачах. Полная карточка модели и описание ограничений отсутствуют. Лицензия обозначена как other, поэтому условия использования следует сверить с репозиторием модели.

COLLISION-1B — причинная языковая модель семейства COLLISION, разработанная командой Viraj et al. Это плотный трансформер примерно на 1,3 млрд параметров по метаданным; README указывает около 999 млн параметров и 24 слоя. Модель предназначена для генерации текста и диалогового взаимодействия, а карточка также заявляет сценарии рассуждения и прикладные NLP-задачи, включая извлечение ключевых фраз, классификацию тем и тональности, исправление грамматики и понимание прочитанного. Модель принимает текст и генерирует текст; заявленная длина контекста — 1 024 токена. В карточке указан английский язык, а веса доступны в форматах PyTorch и SafeTensors. Лицензия — MIT. README заявляет высокую скорость на CPU и способности рассуждать, но предоставленные сведения не подтверждают сравнительные результаты этих заявлений; короткое контекстное окно ограничивает работу с длинными документами.

sshleifer/distilbart-xsum-1-1 — компактная модель суммаризации на архитектуре BART, представленная в семействе DistilBART. Она предназначена для создания краткого пересказа по входному тексту, в частности в сценариях, связанных с датасетом XSum. Модель содержит 68,2 млн параметров, принимает текст с контекстом до 1024 токенов и генерирует текстовое резюме. Модель рассчитана на английский язык. Для загрузки используется класс BartForConditionalGeneration; доступны веса PyTorch, TensorFlow и Flax. Репозиторий распространяется по лицензии Apache-2.0. Доступные материалы подтверждают назначение и архитектуру, но не приводят отдельные метрики именно для варианта 1-1, поэтому его качество и скорость по приведённой таблице оценить нельзя.

AlSamCur123/ElmerContinuedFine — текстовая модель генерации на архитектуре Llama, разработанная AlSamCur123 и дообученная на Undi95/Emerhyst-20B с использованием Unsloth и Hugging Face TRL. Модель содержит 19,8 млрд параметров и поддерживает контекст до 32 000 токенов. Она предназначена для генерации текста; базовая модель ориентирована на инструкции и ролевые диалоги, включая контент для взрослых. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не приводит отдельных результатов оценки качества или подробностей о данных дообучения.

EnViT5 Translation — модель VietAI для машинного перевода между английским и вьетнамским языками. Она основана на архитектуре T5 и содержит 137,5 млн параметров. Карточка заявляет обучение на наборах MTet и PhoMT; метаданные также указывают CC100. Модель предназначена для перевода текста с английского на вьетнамский и с вьетнамского на английский. В метаданных перечислены реализации весов для PyTorch, TensorFlow и JAX. Репозиторий распространяется по лицензии OpenRAIL. Карточка заявляет высокое качество перевода, но не приводит численных результатов оценки.

ERNIE-4.5-0.3B-PT-bf16-ft — компактная текстовая модель семейства ERNIE 4.5 от Baidu, подготовленная сообществом mlx-community для запуска на MLX. Это плотная авторегрессионная модель с 318,2 млн параметров и контекстом до 131 072 токенов. Модель предназначена для генерации текста и диалогов на английском и китайском языках. Репозиторий содержит веса в формате safetensors и преобразованный быстрый токенизатор; в README указана рекомендация использовать эту версию с mlx-swift. Модель основана на baidu/ERNIE-4.5-0.3B-PT и заявлена под лицензией Apache-2.0. Хотя название содержит bf16, README описывает конверсию в формат MLX, поэтому надёжно классифицировать её как обычную конверсию формата точности нельзя.

FusedYi — разговорная модель генерации текста, созданная pharaouk путём слияния двух моделей Yi-6B. В карточке результат описан как «1.9 x Yi-6B»; метаданные указывают 10,6 млрд параметров, архитектуру LlamaForCausalLM и формат safetensors. Модель предназначена для диалогов и следования инструкциям на английском языке, с контекстом до 4096 токенов. Модель распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных ограничений; практическое качество ответов и стабильность слияния следует оценивать на целевых задачах.

GutenLaserPi-06.11-orpo — дообученная icefog72 модель семейства Mistral для генерации текста. Она основана на Stark2008/GutenLaserPi, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель подходит для генерации текста и диалогов на английском языке. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробностей об обучающей процедуре.

HY-MT1.5-1.8B-GGUF — квантизированная версия переводческой модели HY-MT1.5-1.8B, разработанной Tencent в рамках семейства Hunyuan Translation. Модель предназначена для автоматического перевода между 33 языками и поддерживает 5 этнических и диалектных вариантов. Среди заявленных языков — китайский, английский, русский, французский, испанский, японский, корейский, немецкий, арабский и другие языки Европы и Азии. Модель ориентирована на высокоскоростной перевод, включая работу на периферийных устройствах и сценарии реального времени. Она поддерживает терминологическое вмешательство, контекстный перевод и перевод с сохранением форматирования. По данным разработчика, при размере 1,8 млрд параметров модель обеспечивает качество, сопоставимое с более крупной HY-MT1.5-7B, сохраняя меньшие требования к вычислительным ресурсам. Формат GGUF подготовлен с использованием llama.cpp и предназначен для локального запуска в совместимых средах. К сильным сторонам относятся компактный размер, высокая скорость и широкая языковая поддержка. Ограничения включают отсутствие в предоставленных данных точных сведений об архитектуре, размере контекстного окна, конкретном уровне квантизации и количественной оценке качества. Лицензия в карточке модели не указана.

Модель seongs/ke-t5-base-aihub-koen-translation-integrated-10m-en-to — модель машинного перевода, созданная дообучением KETI-AIR/ke-t5-base разработчиком, указанным в идентификаторе репозитория. Она предназначена для перевода текстов с английского на корейский и построена на архитектуре T5 с классом T5ForConditionalGeneration. Модель содержит 148,3 млн параметров, принимает текстовый ввод, использует контекст до 512 токенов и выдаёт текст. Для обучения использован набор aihub-koen-translation-integrated-base-10m; в карточке приведены BLEU 18,01 после первой эпохи и 18,84 после второй. Модель можно применять в системах перевода с английского на корейский, например для обработки текстов и локализации. Лицензия Apache-2.0.

jeongyoonhuh разработал модель для классификации корейских текстов по шести эмоциональным категориям. Это дообученная версия monologg/koelectra-base-v3-discriminator на наборе AI Hub Empathetic Dialogue с 22 758 обучающими примерами; архитектура — ELECTRA для классификации последовательностей, размер — 140,1 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для анализа тональности и эмоций в корейских сообщениях и диалогах, например для сортировки обращений или изучения эмоциональных реакций в переписке. В карточке приведены accuracy и взвешенный F1 по 98,24%, однако эти результаты относятся к указанному набору данных и не гарантируют качество на других источниках. Модель распространяется по лицензии Apache-2.0.

Kool-Aid — языковая модель на архитектуре Mistral, созданная ChaoticNeutrals с помощью слияния предварительно обученных моделей CookieNexus и ErosEris методом SLERP через mergekit. Модель содержит 7,1 млрд параметров, использует формат safetensors и принимает текст для генерации текста. В метаданных указан английский язык и контекст до 8192 токенов. Модель предназначена для генерации текста и может применяться для диалоговых ответов, написания черновиков и продолжения заданного текста. В README приведены результаты оценок на нескольких бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Лицензия обозначена как other; конкретные условия следует уточнять на странице модели.

jaspionjader/Kosmos-Elusive-VENN-Aurora_faustus-8B — объединённая автором модель на базе двух предварительно обученных языковых моделей, созданная с помощью mergekit методом SLERP. Она предназначена для генерации текста. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. В README перечислены исходные модели jaspionjader/Kosmos-Aurora_faustus-8B и jaspionjader/Kosmos-Elusive-VENN-8B. Файлы весов представлены в формате safetensors; библиотека для работы — Transformers. Язык и специализация исходных моделей в доступных данных не описаны. Лицензия в предоставленных данных не указана.

LeNIA-Chat Qwen2 1.5B v0 — чат-модель LenguajeNatural.AI для генерации текста, выполнения инструкций и ответов на вопросы на испанском языке. Она дообучена на базе Qwen/Qwen2-1.5B в три этапа: многоцелевое обучение в стиле FLAN, настройка на высококачественные инструкции и дообучение для диалогов и абстрактивных ответов на вопросы. Модель использует плотную архитектуру Qwen2 с 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для испаноязычных чат-ботов, виртуальных ассистентов и приложений генерации текста. Распространяется по лицензии Apache 2.0. Размер модели ограничивает её возможности по сравнению с более крупными языковыми моделями; разработчики рекомендуют оценивать качество в целевом сценарии. Как и другие языковые модели, она может допускать ошибки и проявлять смещения.

Lince-Mistral-7B-IT-ES — языковая модель Clibrain для генерации текста и выполнения инструкций на испанском языке. Это причинная декодерная модель семейства Mistral с плотной архитектурой, содержащая 7,1 млрд параметров и поддерживающая контекст до 32 768 токенов. Модель создана путём адаптации Mistral 7B к следованию инструкциям на испанском языке. Её можно применять для диалоговых сценариев, ответов на запросы и генерации испаноязычного текста. В карточке упомянута оценка по адаптации MTBench для испанского языка. Модель распространяется под лицензией Apache-2.0. Оценка и описание ориентированы на испанский язык; сведений о качестве для других языков и более подробных результатах тестирования нет.

sandbox-ai/Llama-3.1-Tango-8b-f16 — дообученная модель семейства Llama 3.1, разработанная sandbox-ai на основе unsloth/meta-llama-3.1-8b-bnb-4bit. Это плотный трансформер с архитектурой LlamaForCausalLM примерно на 7,5 млрд параметров, предназначенный для генерации текста. В карточке приведены результаты оценки на задачах вопросов и ответов, классификации тональности и других языковых тестах, в том числе на испанском, каталанском и баскском языках. Модель принимает текст и генерирует текст; заявленная длина контекста — до 131 072 токенов, а README указывает максимальный объём вывода 4 000 токенов. Для запуска через Transformers в карточке рекомендованы две или более видеокарты NVIDIA Ampere или новее с 80 ГБ памяти каждая. Метаданные указывают лицензию Llama 3.1, тогда как README указывает Apache-2.0, поэтому условия распространения следует проверить по исходным условиям базовой модели и файлам репозитория.