III.4Клиентская поддержка и customer success

Voho Saudi Chat 4B — разговорный арабский ассистент от Voho, дообученный на базе Qwen/Qwen3-4B-Instruct-2507 для ответов преимущественно на центральносаудовском, в частности надждийском диалекте. Модель предназначена для голосовых агентов как текстовый компонент между распознаванием речи и синтезом речи: она поддерживает диалог и старается отвечать коротко, в длине, подходящей для телефонного разговора. Архитектура — плотная Qwen3ForCausalLM на 3,7 млрд параметров; нативный контекст — 262 144 токена. Модель принимает текст и генерирует текст на арабском языке. В тесте на 400 отложенных вопросах независимый классификатор отнёс 89,8% ответов к заливу, а средняя длина ответа составила 6,4 слова. Эти результаты указывают на устойчивую диалектную манеру и краткость, но оценка классификатора не подтверждает точную привязку к Эр-Рияду. Модель не предназначена для надёжного предоставления фактов: для ответов на вопросы о знаниях рекомендуется подключать поиск по источникам. Она ориентирована преимущественно на надждийский диалект; ответы на хиджазском и других вариантах خليجي могут смещаться к надждийскому или литературному арабскому. Пишет без диакритических знаков. Лицензия Apache 2.0 разрешает коммерческое использование.

Anger_binary — дообученная модель Microsoft DeBERTa-v3-base для бинарной классификации текста по признаку гнева. Модель построена на архитектуре DeBERTa-v2 для классификации последовательностей и содержит 211,6 млн параметров; максимальная длина контекста — 512 токенов. Репозиторий предоставляет веса в формате safetensors. Модель подходит для определения наличия гнева в тексте и оценки эмоциональной окраски коротких сообщений. В README приведены результаты на оценочной выборке: accuracy 0,6438, precision 0,6237, recall 0,7232, F1 0,6697 и AUC 0,7104. Обучающий датасет описан как None, поэтому его состав и переносимость результатов на другие данные оценить нельзя. Лицензия — MIT.

Chroma 1.0 — мультимодальная причинная языковая модель, разработанная FlashLabs для голосового диалога в реальном времени. Она принимает аудио, понимает речь и формирует ответы одновременно в текстовой и синтезированной речевой форме; референсное аудио можно использовать для управления голосом и его клонирования. В архитектуре задействованы Reasoner на основе Qwen2.5-Omni-3B, языковые компоненты на основе Llama 3 и кодек Mimi с частотой дискретизации 24 кГц. В метаданных Hugging Face задача указана как any-to-any, а библиотека загрузки — Transformers. Модель ориентирована на английский язык и распространяется по лицензии Apache-2.0. Chroma подходит для голосовых агентов и интерактивных приложений, которым нужны понимание входящей речи и генерация голосовых ответов с заданным стилем. Карточка заявляет готовность к production, но не приводит оценки качества, задержки или подробные ограничения клонирования голоса.

EMO-1.5B — разговорная языковая модель OEvortex с 1,5 млрд параметров, созданная на архитектуре Llama и дообученная на корпусе эмоциональных повествований. Модель предназначена для диалогов, в которых важно учитывать эмоциональную окраску сообщений: она может поддерживать беседу, распознавать эмоции в контексте и формулировать сочувственные ответы, утешение или мотивацию. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. В карточке не описаны поддерживаемые языки и специальные предметные области. Указана лицензия MIT. Эмоциональная поддержка и советы не гарантируют точности или профессионального качества, поэтому ответы следует оценивать с учётом контекста.

EXAONE-4.0-1.2B-JEV — неофициальная англоязычная модель для принятия решений с выбором из заданных вариантов, созданная независимым разработчиком carrtesy на основе дообучения EXAONE-4.0-1.2B. Это плотная авторегрессионная модель Exaone4 с 1,3 млрд параметров и контекстом до 65 536 токенов. Она принимает состояние, вопрос и фиксированный набор вариантов, а затем выбирает метку варианта; вероятности выбора вычисляются по логитам, поэтому ответ остаётся в заданной схеме. Модель предназначена для классификации и оценивания вариантов, включая выбор действия или решение о вызове инструмента в агентном сценарии. В версии v0.3 она дообучена на общедоступных обучающих выборках по задачам здравого смысла, естественных наук, распознавания намерений и выбора инструментов. В README приводятся результаты внутренних оценок, но также отмечено, что выигрыш на Decision Index во многом обусловлен обучением на данных When2Call и не означает общего улучшения всех навыков. Модель ограничена английским языком; знания по сложным вопросам остаются близкими к случайному уровню, а калибровка вероятностей ухудшается вне обучающего распределения. Использование двух чтений с перестановкой вариантов примерно удваивает задержку. Проект не связан с LG AI Research или TypeSafe. Указана лицензия EXAONE AI Model License 1.2 - NC: использование ограничено исследовательскими и некоммерческими целями.

GROK DEMON v1 — модель генерации текста на основе архитектуры Qwen2ForCausalLM с 7,1 млрд параметров, разработанная Maximiliano-Flores-Dev. Она дообучена на базе unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit: веса дообучения LoRA объединены с базовой моделью и сохранены в формате bfloat16. Модель рассчитана на диалоговое взаимодействие на испанском языке; для корректного использования README рекомендует применять встроенный chat template. Модель поддерживает контекст до 32 768 токенов и распространяется по лицензии Apache-2.0. Версия v1 помечена как устаревшая для самостоятельного применения и сохранена как обязательная база для адаптера grok_demon_7b_v2.1; для новых развертываний автор рекомендует эту более позднюю версию.

Карточка модели PersonaPO/lfm25-1.2b-pv-extraversion-high на Hugging Face совпадает с карточкой PersonaPO/lfm25-1.2b-pv-agreeableness-high, поэтому описание составлено по ней. Это дообученная модель LiquidAI/LFM2.5-1.2B-Base, созданная для генерации диалоговых ответов с выраженной высокой доброжелательностью. Модель семейства LFM2 имеет плотную архитектуру и около 1,5 млрд параметров; она предназначена для запуска через Transformers и поддерживает контекст до 128 000 токенов. Модель подходит для генерации ответов в чатах и сценариев, где требуется доброжелательный стиль общения. В README приведён пример генерации ответа на вопрос пользователя. Данных о поддерживаемых языках и результатах оценивания нет, поэтому качество и языковой охват по карточке определить нельзя. Лицензия в доступных данных не указана.

Phi-2-super — разговорная языковая модель, созданная на базе microsoft/phi-2 и дообученная методами supervised fine-tuning (SFT) и conditional DPO (cDPO). Она предназначена для генерации текста в диалоге: принимает реплики пользователя и формирует ответы, используя шаблон чата в стиле Mistral Instruct. Модель построена на плотной архитектуре PhiForCausalLM, содержит 3,5 млрд параметров и рассчитана на контекст до 2048 токенов. Поддерживаемый язык — английский. Репозиторий содержит веса в формате Safetensors. Лицензия — MIT. Модель подходит для чат-ботов и англоязычных диалоговых приложений. Ограничения: короткое контекстное окно и отсутствие сведений о специальных возможностях за пределами генерации текста в чате; качество ответов отдельно не охарактеризовано.

Sorawiz/Phi-4-Empathetic-Abliterated — объединённая языковая модель, созданная с помощью mergekit методом passthrough из prithivMLmods/Phi-4-Empathetic и ngxson/LoRA-phi-4-abliterated. По метаданным, это плотная модель архитектуры LlamaForCausalLM с 14,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Репозиторий содержит веса safetensors в формате bfloat16; модель работает через библиотеку Transformers и имеет контекстное окно 16 384 токена. Модель ориентирована на эмпатичные диалоги, эмоциональную поддержку и вдумчивую генерацию текста, унаследовав назначение одной из исходных моделей. Сведения о лицензии и конкретных ограничениях применения в предоставленных источниках отсутствуют. Карточка описывает операцию объединения моделей, но не приводит оценок качества или результатов сравнительных тестов.

Roxi-TTS v2 — модель синтеза речи, разработанная IOTEverythin как LoRA-дообучение MOSS-TTS-Nano. Она преобразует текст в монофоническую речь на индийском варианте английского с голосом одного диктора по умолчанию; референсная аудиозапись для синтеза не требуется. Архитектура — авторегрессионная модель с языковой частью и аудиотокенами, размер базовой модели — около 0,1 млрд параметров, частота выходного аудио — 48 кГц. Указанное в метаданных окно контекста составляет 32 768 токенов. Модель предназначена для разговорной озвучки и сценариев поддержки клиентов. В описанных измерениях сходство голоса с целевым диктором выросло до 0,96 по WavLM-SV cosine, а показатель WER на сгенерированном аудио остался на уровне базовой модели — 0,26. Стиль и эмоции надёжно не управляются; модель обучена на одном дикторе с нейтральной речью, а качество для телефонии 8 кГц отдельно не настраивалось. Авторы запрещают использовать голос для имитации людей, мошенничества и обмана. В метаданных репозитория указана лицензия Apache-2.0; в README также приведено требование об атрибуции датасета IIT-Madras Indic TTS и его EULA.

SauerkrautLM-14b-MoE-LaserChat — разговорная языковая модель VAGO solutions и Hyperspace.ai, созданная объединением SauerkrautLM-7b-LaserChat и yam-peleg/Experiment26-7B с использованием подхода laserRMT. Это разреженная MoE-модель на архитектуре Mixtral с 7,1 млрд параметров и контекстом до 8192 токенов. Модель предназначена для генерации ответов в диалоге и рассчитана прежде всего на немецкий и английский языки. Разработчики сообщают об улучшении немецких и английских навыков и приводят результаты нескольких бенчмарков. В отдельных формулировках на немецком возможны ошибки; поведение модели не всегда соответствует ожиданиям по уместности контента. Лицензия — Apache 2.0.

Seed-2.0-Lite — мультимодальная модель ByteDance, представленная как экономичная модель для корпоративных задач. Её позиционируют как универсальный вариант для производственных сценариев, где важны низкая задержка, мультимодальные возможности и работа с агентами. Каталог относит модель к задаче image-text-to-text, то есть к обработке изображений и текста с выдачей текстового ответа. Карточка также заявляет мультимодальные и агентные возможности, но не приводит сведений об архитектуре, размере, поддерживаемых языках, длине контекста или конкретных функциях агента. Условия лицензии в предоставленных данных не описаны.

WorryFree_GeneralQA_Chat_Mixtral-8x7B-v1 — чат-модель DrNicefellow, дообученная методом QLoRA на наборе Quality_WorryFree_GeneralQA_Chat_Dataset-v1 на основе mistralai/Mixtral-8x7B-Instruct-v0.1. Она предназначена для диалогов и ответов на общие вопросы, включая неформальное и деловое общение. Использует архитектуру Mixtral с разреженной экспертной моделью (MoE), содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для форматирования запросов применяется шаблон Vicuna 1.1. Модель принимает текст и генерирует текстовые ответы. Карточка заявляет улучшенную связность длинных диалогов и применимость к разным темам, однако не приводит независимых оценок качества или подробных результатов тестирования. Распространяется по лицензии Apache-2.0.

Barcenas-Gemma-2-9b — разговорная языковая модель на архитектуре Gemma 2, разработанная автором репозитория и основанная на google/gemma-2-9b-it. Модель содержит 9 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста составляет 8192 токена. Модель предназначена для генерации ответов в диалоге с упором на последовательные ответы на испанском языке. Её можно применять для испаноязычных чат-ботов и ответов на пользовательские вопросы. В карточке указано использование набора alpaca-cleaned-en; подробности процедуры обучения не приведены. Репозиторий содержит веса в формате safetensors. Указана лицензия Gemma. В карточке нет результатов оценки качества или описания конкретных ограничений; специализация на испанском заявлена автором модели.

Модель eren23/DistiLabelOrca-TinyLLama-1.1B — диалоговая языковая модель семейства Llama, разработанная на основе TinyLlama/TinyLlama-1.1B-Chat-v1.0. Автор дообучил её методом DPO на датасете argilla/distilabel-intel-orca-dpo-pairs, представляющем собой дистиллированную версию набора предпочтений Intel Orca. Модель содержит около 1 млрд параметров, использует архитектуру LlamaForCausalLM и работает с контекстом до 2048 токенов. Модель предназначена для генерации текста в диалоге и ответов на вопросы на английском языке. Её можно применять для разговорных ассистентов и ответов на пользовательские запросы. В карточке приведены результаты Open LLM Leaderboard, включая среднее значение 37,17, но они сами по себе не гарантируют качество в конкретных сценариях. Доступна в формате safetensors для Transformers; лицензия — Apache-2.0.

gipformer1.5-68M-rnnt — модель распознавания вьетнамской речи от G Group AI Lab, построенная на архитектуре Zipformer Transducer (RNNT). Она преобразует аудио в текст и предназначена для транскрибации телефонных разговоров, в том числе записей с шумом и региональными акцентами, а также речи из сфер технологий, образования, финансов, государственного управления и медицины. Модель компактная и рассчитана на быстрый локальный запуск на мобильных и встраиваемых устройствах; репозиторий содержит ONNX-файлы для выполнения через ONNX Runtime. Карточка заявляет высокие результаты на вьетнамских ASR-тестах, включая телефонные записи, но доступная таблица результатов неполная и не позволяет проверить все приведённые сравнения. Лицензия — MIT.

Lahja SA Huba V1 — модель синтеза речи на арабском языке, разработанная WasmAI и настроенная на саудовский диалект. Она преобразует текст в естественную речь с характерными для диалекта произношением, ритмом и интонацией. Модель создана на архитектуре VITS и дообучена на наборе данных LAHJA-API-Data; содержит 3,5 млн параметров и распространяется в формате safetensors для использования с Transformers. Модель предназначена для голосовых помощников, чат-ботов, IVR, клиентской поддержки, образовательных и вспомогательных сервисов, а также голосовых интерфейсов устройств и робототехники. Заявлены низкая задержка и выразительная речь. Лицензия в предоставленных данных не указана.

LLama-3-8B-Tele-it — инструктивная языковая модель Ali Maatouk для задач телекоммуникационной отрасли. Она основана на Meta Llama 3 8B и дообучена методом supervised fine-tuning на сочетании наборов Alpaca и Open-Instruct, чтобы выполнять инструкции и отвечать на запросы. Модель использует плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров и контекстом до 8192 токенов. Она принимает текст и генерирует текст; в карточке заявлен английский язык. Для запуска README предлагает использовать Transformers. Модель предназначена для диалогов и генерации ответов по тематике телекоммуникаций. Модель распространяется по лицензии llama3. Качество ответов и знание специализированных телекоммуникационных данных зависят от обучения; README не приводит результатов оценки.

MergekitCloud/mergekit-73 — объединённая языковая модель на основе Llama 3.1, созданная с помощью mergekit методом Model Stock. В слияние вошли четыре модели для диалогов и ролевого общения; базовой указана vicgalle/Humanish-Roleplay-Llama-3.1-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста в формате диалога. Заявленная длина контекста — 131 072 токена. Модель подходит для ведения диалогов и ролевых сценариев, в том числе с более свободными ответами. README не приводит результаты оценки качества или подробностей о поддерживаемых языках. В репозитории указаны веса safetensors; библиотека для работы — Transformers. Условия лицензирования в предоставленных данных не описаны.

MiMo-9B-Cold — разговорная текстовая модель на архитектуре Qwen3.5, созданная wesjos на базе XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B с помощью Direct Preference Optimization (DPO). Модель дообучена без этапа SFT на 1 027 модифицированных парах предпочтений в стиле LIMA, чтобы делать ответы краткими, решительными и прямыми, сохраняя общие знания базовой модели. В основе — плотная модель примерно на 9,4 млрд параметров; карточка указывает поддержку английского и китайского языков. Модель предназначена для диалогов и генерации текста, когда важны лаконичные ответы; шаблон чата поддерживает переключатель режима рассуждений. Её можно применять через Transformers, а также запускать в llama.cpp после конвертации в GGUF; пример запуска использует контекст 8 192 токена. Лицензия — Apache-2.0. Обучение охватило один проход по небольшому набору предпочтений и нацелено на стиль, а не на прирост способностей. В README отмечены несколько более высокая склонность к галлюцинациям при вызове инструментов и отсутствие новых знаний по сравнению с базовой моделью; для вызовов функций рекомендуется проверять соответствие схемам на уровне приложения.

Qwen3.6-27B-Della-Deckard-Terse-v2 — мультимодальная модель на архитектуре Qwen3.5 с 27 млрд параметров, созданная YFC-112358 слиянием весов. В 400 двухмерных проекционных матрицах применена линейная task-vector формула; остальные 799 тензоров скопированы из Della-Deckard-v1. Модель принимает текст и изображения и предназначена прежде всего для диалогов и коротких ответов с меньшим объёмом рассуждений. В небольшом тесте GSM8K автор сообщает о сокращении медианной длины рассуждений примерно в 7 раз относительно v1 при 17 правильных ответах из 20. На сложных задачах результат снизился относительно v1, поэтому модель лучше подходит для высоконагруженных сценариев коротких ответов, где важны задержка и стоимость, чем для многошаговых рассуждений. Возможности зрения, длинный контекст, программирование, использование инструментов, многоязычность и безопасность не оценивались; изменение языковой части может влиять на работу с изображениями. Лицензия в предоставленных данных не указана.

Samantha 1.1 MBX 7B — объединённая языковая модель, созданная с помощью SLERP из macadeliccc/MBX-7B-v3-DPO и cognitivecomputations/samantha-1.1-westlake-7b. Она построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; модель предназначена для генерации диалогового текста, в том числе в роли заботливого и эмпатичного виртуального собеседника. Контекстное окно — 32 768 токенов. Модель может использоваться для ведения диалога и генерации ответов в заданной системной роли. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. В карточке также приведён шаблон диалога Samantha; сведений о языковом охвате или специальных доменах нет.

Titlewen — компактная специализированная модель для создания коротких заголовков по сообщениям пользователей. Она дообучена методом LoRA на базе Qwen/Qwen3-0.6B; архитектура — декодерный Transformer Qwen3 с 507,9 млн параметров. Репозиторий содержит веса GGUF в формате F16 для локального запуска, например через llama.cpp; длина контекста составляет 40 960 токенов. Модель предназначена для автоматического именования диалогов и веток переписки, заголовков обращений в поддержку, извлечения темы сообщения и коротких подписей в интерфейсах. Обычно она выдаёт заголовки длиной 2–6 слов. В карточке указаны английский как основной язык и обучающий набор примерно из 20 000 примеров генерации заголовков. Модель принимает текст и генерирует текст. Модель опубликована под лицензией Apache-2.0. Её узкая специализация — краткие заголовки; карточка не сообщает оценок качества или ограничений для других языков, поэтому пригодность для них не установлена.

Genius1237/xlm-roberta-large-tydip — многоязычная модель классификации вежливости, созданная дообучением xlm-roberta-large на англоязычной части набора TyDiP. Она предназначена для определения вежливости текста и может использоваться через конвейер text-classification в Transformers. Модель построена на архитектуре XLM-RoBERTa Large с примерно 658,7 млн параметров и контекстом до 514 токенов. В исследовании её оценивали на английском, хинди, корейском, испанском, тамильском, французском, вьетнамском, русском, африкаанс и венгерском; README приводит результаты классификации для части этих языков. Доступны веса PyTorch и Safetensors. Модель подходит для анализа тональности общения в многоязычных текстах, например для проверки вежливости сообщений. Обучение проводилось на английских данных, поэтому качество для других языков может отличаться; автор также отмечает возможность применения к другим языкам, но это не подтверждено приведённой оценкой. Лицензия — MIT.

BankAssist Qwen3 — дообученная Waseem Ghanem модель для определения намерения клиента по банковскому сообщению. Она принимает текст обращения и генерирует одну из 77 меток набора Banking77; задача реализована как генерация текста, без отдельной классификационной головы. Модель основана на Qwen3-0.6B: адаптер LoRA обучен на Banking77, а затем объединён с базовыми весами. В репозитории опубликована самостоятельная версия для загрузки через Transformers. Размер — около 508 млн параметров, контекст — до 40 960 токенов; в карточке указан английский язык. На тестовом разбиении Banking77 из 3 076 примеров автор сообщает точность 47,79% и 160 некорректных меток; у исходной Qwen3-0.6B точность составила 22,07%. Модель подходит для прототипирования маршрутизации банковских обращений по категориям и экспериментов с классификацией намерений. Автор отмечает, что её не следует использовать как готовую банковскую систему. Лицензия модели — Apache 2.0; исходный набор данных Banking77 распространяется по CC BY 4.0.

Panga-Azazia/LFM2.5-350M-TTS-Spe — разговорная модель на основе семейства LFM2.5, дообученная с помощью TRL. Карточка демонстрирует генерацию ответа на текстовый вопрос через Transformers pipeline с задачей text-generation. Модель предназначена для диалоговой генерации текста. В названии заявлено назначение TTS, однако README показывает только текстовый ввод и текстовый ответ; сведений о синтезе речи, аудиовыходе, размере модели, языках или лицензии в предоставленных данных нет.

SEHYONG/Llama-3-Open-Ko-8B-Instruct-kookmin5 — дообученная разговорная языковая модель SEHYONG на архитектуре Llama 3. Она предназначена для генерации текста и диалоговых ответов; базовая модель — sungjineeee/Llama-3-Open-Ko-8B-Instruct-kookmin3. В репозитории указаны 7,5 млрд параметров, контекст до 8192 токенов и формат safetensors. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель подходит для диалоговых сценариев на корейском языке, что отражено в названии семейства, однако карточка прямо не перечисляет поддерживаемые языки. Опубликована по лицензии Apache 2.0. Количественные оценки качества и ограничения в карточке не приведены.

LlamaDos — разговорная языковая модель, созданная авторами проекта путём дообучения Llama 2-7B от Meta для общения на испанском языке. Модель имеет плотную архитектуру Llama и содержит около 6,6 млрд параметров; базовый контекст составляет 4096 токенов. Для обучения использовали более 250 тысяч диалоговых примеров, а настройку выполнили на одной потребительской видеокарте RTX 3090 с применением LoRA, накопления градиентов и других методов оптимизации. Модель предназначена для диалогов на испанском языке и использует формат инструкций Llama 2. Подходит для создания разговорного помощника и генерации ответов на сообщения пользователя. В README не указана лицензия, поэтому условия использования следует проверить в метаданных репозитория. Описание не приводит результатов оценки качества; модель может наследовать ограничения базовой Llama 2 и зависеть от корректного формата промпта.

Lumma-0.6B-Tool — компактная специализированная языковая модель компании FrontiersMind на архитектуре LummaForCausalLM. Она дообучена на Lumma-0.6B-Base и предназначена для интерпретации запросов и формирования вызовов инструментов за один шаг. Модель ориентирована на сценарии, где важны низкая задержка и экономия вычислительных ресурсов: мобильные и периферийные устройства, встраиваемые системы, голосовые помощники в автомобилях, IoT и службы поддержки. Модель принимает запрос и описания доступных инструментов в системном сообщении, а вызов инструмента возвращает в текстовом формате по заданному шаблону. Контекст составляет 12 288 токенов; репозиторий содержит веса Safetensors для Transformers. Это чекпойнт до DPO и обучения с подкреплением, поэтому качество и надёжность вызовов могут быть ограничены. Модель поддерживает английский язык согласно метаданным. Лицензия — Apache-2.0.

Карточка модели MergekitCloud/mergekit-71 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-73, поэтому описание составлено по ней. MergekitCloud/mergekit-73 — объединённая языковая модель на основе Llama 3.1, созданная с помощью mergekit методом Model Stock. В слияние вошли четыре модели для диалогов и ролевого общения; базовой указана vicgalle/Humanish-Roleplay-Llama-3.1-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста в формате диалога. Заявленная длина контекста — 131 072 токена. Модель подходит для ведения диалогов и ролевых сценариев, в том числе с более свободными ответами. README не приводит результаты оценки качества или подробностей о поддерживаемых языках. В репозитории указаны веса safetensors; библиотека для работы — Transformers. Условия лицензирования в предоставленных данных не описаны.