III.4Клиентская поддержка и customer success

DiaFill — японская модель генерации диалоговых сценариев, разработанная SB Intuitions. Она создаёт естественные многоходовые разговоры между двумя собеседниками по заданному сценарию, с короткими репликами и характерными словами-паразитами. Модель дообучена на базе llm-jp/llm-jp-3.1-13b-instruct4 на закрытых японских диалоговых данных проекта GENIAC. Это плотная архитектура Llama с 13,2 млрд параметров и контекстом 4096 токенов; модель работает с текстом и ориентирована на японский язык. В качестве сценариев можно задавать непринуждённую беседу или диалог для колл-центра: оформление процедур, техническая поддержка и сопровождение клиентов. Для каждого участника задаётся непринуждённый или вежливый тон, а для сценариев колл-центра также указывается отрасль. Модель распространяется по лицензии Apache-2.0. Обучающие данные не опубликованы; назначение модели — генерация сценарных диалогов, а не обычное общение в формате ассистента.

mookiezii/Discord-Hermes-3-8B — диалоговая языковая модель, дообученная на базе NousResearch/Hermes-3-Llama-3.1-8B на подборке улучшенных и оригинальных примеров из набора mookiezi/Discord-Dialogues. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров; для генерации использует Transformers и формат весов safetensors. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации ответов в диалоге, в частности для сценариев общения в стиле Discord. Она принимает текст и выдаёт текст; карточка также указывает поддержку чата и следования инструкциям. Базовая модель описана как англоязычная, но язык самого дообучения отдельно не обозначен. Лицензия — llama3. Качество и поведение зависят от промпта и данных дообучения; README не приводит подробных оценок или известных ограничений.

nagbhaskar55/gemma-2-2b-qa-DPO — языковая модель на архитектуре Gemma 2, дообученная методом Direct Preference Optimization (DPO) на базе thesreedath/gemma-2-2b-qa-sft. Она предназначена для ответов на вопросы по одному лишь вопросу, без предоставленного контекста, и ориентирована на повышение качества и согласованности таких ответов. Модель содержит 2,7 млрд параметров, работает с текстом и поддерживает контекст до 8192 токенов. Для общения используется формат gemma_chat: user\n{question}\nmodel\n. В описанном эксперименте модель обучали два эпоха на 260 парах предпочтений, из которых 40 оставили для проверки; автор сообщает о росте точности предпочтений на отложенной выборке с 0,0 до 0,9. Эти результаты относятся к указанной небольшой оценке и не подтверждают улучшение на других задачах. Модель поддерживает английский язык. Лицензия в предоставленных данных не указана.

Raon-SpeechChat-9B — разработанная KRAFTON полно-дуплексная речевая языковая модель для общения на английском языке. Она одновременно воспринимает речь собеседника и генерирует голосовой ответ, поддерживая естественную смену реплик, короткие реплики-подтверждения и обработку перебиваний. Модель построена на Raon-Speech-9B и объединяет языковую модель Qwen3, аудиокодировщик Voxtral-Mini-4B-Realtime-2602, кодек Mimi, энкодер голоса ECAPA-TDNN и компоненты генерации речи на базе Qwen3. Доступны режимы ожидания речи пользователя и начала разговора первой, 17 встроенных персон с настраиваемыми системными инструкциями, а также необязательное голосовое кондиционирование по эталонной аудиозаписи. Для запуска README рекомендует Transformers с `trust_remote_code=True`; описанная конфигурация требует NVIDIA GPU с CUDA 12.x и не менее 16 ГБ видеопамяти. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка сообщает о сильных результатах в обработке пауз, перебиваний и многорепличного диалога, но не приводит численных оценок.

Модель разработал Махди Карими из факультета компьютерных наук и инженерии Университета Шахида Бехешти. Это дообученная модель Wav2Vec2 для распознавания эмоций в персидской (фарси) речи: она принимает монофонический аудиосигнал с частотой 16 кГц и классифицирует его по шести эмоциональным состояниям. Модель основана на superb/wav2vec2-base-superb-er и содержит 113,3 млн параметров. При обучении на Modified ShEMO применялись аугментация аудио с изменением высоты тона и скорости, добавлением белого шума, а также веса классов для компенсации дисбаланса данных. В README указаны точность 77% и macro-F1 58%; модель особенно хорошо распознаёт нейтральность, гнев и грусть. Для входящего аудио рекомендуется использовать сегменты около трёх секунд с дополнением до четырёх секунд. Модель предназначена для классификации эмоций в речи, например, в приложениях анализа разговоров и интерфейсах, реагирующих на эмоциональное состояние. Её результаты могут быть хуже на шумных записях без предварительного шумоподавления, на других языках и для редких состояний; у классов страха и удивления отмечен более низкий recall. Лицензия — Apache 2.0.

DataVortexS-10.7B-dpo-v1.6 — корейская разговорная языковая модель, разработанная командой, в которую входят Kwangseok Yang и Jeongwon Choi. Это дообученная версия LDCC/LDCC-SOLAR-10.7B с 10,7 млрд параметров на архитектуре Llama; модель предназначена для генерации ответов в формате диалога ChatML. Модель подходит для корейскоязычных чат-ботов, ответов на вопросы и других сценариев генерации текста. В карточке приведены результаты оценивания на корейских задачах Ko LM Eval Harness и Ko-LLM-Leaderboard. Контекст модели — 4096 токенов; веса опубликованы в формате safetensors. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование. Оценки в карточке отражают результаты на указанных наборах и не гарантируют качество в других сценариях.

LuangMV97/DialoGPT_EmpAI_final2 — дообученная авторами репозитория модель Microsoft DialoGPT-small для генерации текста в диалогах. Она основана на GPT-2 и использует плотную архитектуру GPT2LMHeadModel; заявленная длина контекста — 1024 токена. Модель подходит для многоходовых текстовых бесед и генерации ответов. В README приведено значение loss 2,7547 на оценочном наборе, но датасет, методика оценки и специализация модели не раскрыты. Модель распространяется в формате safetensors по лицензии MIT; качество и ограничения за пределами указанной оценки не описаны.

Greta-1b-Preview — языковая модель для генерации текста в диалоговом формате, представленная как предварительная версия. Репозиторий использует библиотеку Transformers и хранит веса в формате safetensors; модель рассчитана на чат-сценарии. По карточке, модель всё ещё проходит постобучение и доступна ограниченному кругу пользователей. Поэтому её следует рассматривать как экспериментальный предварительный чекпойнт; сведения о размере, поддерживаемых языках, длине контекста и лицензии в доступных данных отсутствуют.

HelpingAI-3B-v2.2 — разговорная языковая модель от OEvortex, предназначенная для диалога с эмоционально чуткими и поддерживающими ответами. Она распознаёт и подтверждает эмоции, учитывает контекст и подбирает тон и формулировки под состояние собеседника; подходит, например, для эмпатичного общения и поддержки в трудных ситуациях. Модель построена на архитектуре HelpingAI с классом HelpingAIForCausalLM и типом MoE. В репозитории указано 2,7 млрд параметров, контекст — до 4096 токенов; модель работает с текстом и ориентирована на английский язык. В README приведено сравнение результатов на наборах ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K, однако методика и условия оценки не описаны. Модель выпущена в формате safetensors. Лицензия указана как other, поэтому условия использования следует уточнить по материалам репозитория. Эмоциональная поддержка не заменяет помощь квалифицированного специалиста; ответы могут быть неточными или неуместными.

raj-hitpromo/hit-promo-reasoner — специализированная языковая модель для поддержки сотрудников отдела продаж и дистрибьюторов HIT Promotional Products. Это дообученная с помощью QLoRA модель Microsoft Phi-4-mini-reasoning, архитектура Phi-3, плотная causal language model с 3,8 млрд параметров. Она принимает текстовые запросы и сведения о товарах и правилах, переданные в контексте, и формирует текстовые ответы; заявленная длина контекста — 4096 токенов. Модель предназначена для ответов на вопросы по каталогу, расчёта NET/EQP-стоимости для заданного тиража, проверки сроков и минимального заказа, а также извлечения характеристик товара в структурированный JSON. Для актуальных ответов система должна сначала находить подходящие записи каталога и передавать их модели. Модель не выполняет самостоятельный поиск по каталогу и не рассчитывает цену перепродажи, маржу или доставку. В карточке описано обучение на товарном фиде и базе знаний HIT, а также валидация на отложенных примерах. Модель может ошибаться в арифметике, поэтому расчёты перед использованием в коммерческом предложении следует сверять с актуальными данными. Лицензия репозитория — MIT.

MasryGPT_chat_FINALLY — компактная диалоговая языковая модель, созданная ISLAM-PO на основе Qwen2.5-1.5B-Instruct и дообученная методом QLoRA на синтетических примерах египетского арабского диалекта масри. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2 и поддерживает контекст до 32 768 токенов; репозиторий содержит веса Safetensors, а README также описывает объединённую версию в 16-битном формате. Модель предназначена для диалогов на масри, включая повседневное общение, юмор, идиомы, клиентскую поддержку и образовательные сценарии. В карточке сообщается о высокой естественности диалекта в ручной оценке, однако приведён и пример ошибки в объяснении идиомы. Модель может галлюцинировать, обычно отвечает кратко, хуже работает с литературным арабским после дообучения и не имеет отдельного фильтра безопасности. Данные синтетические и могут смещаться в сторону каирского диалекта. Лицензия — Apache-2.0.

Orbit — модель beyoru, созданная методом Expert-Specialized Fine-Tune (ESFT) на основе Qwen/Qwen3.5-35B-A3B для многошагового использования инструментов во вьетнамских диалогах. Архитектура унаследована от базовой модели Qwen3.5 MoE; обучались выбранные эксперты, около 0,94 млрд из 35,6 млрд параметров, при замороженном маршрутизаторе. Модель предназначена для агентных сценариев, где нужно выбрать инструмент, сформировать аргументы, интерпретировать результат и решить, требуется ли следующий вызов. Обучение использовало траектории рассуждений из указанного датасета, созданного на основе Claude Opus 5 с уровнем усилий xhigh. Метаданные также указывают поддержку чата и языки вьетнамский и английский. Модель распространяется в формате Safetensors через библиотеку Transformers и наследует лицензию MIT базовой модели. Дообучение выполнено на узком распределении задач, поэтому качество за пределами многошагового использования инструментов следует проверять на целевом сценарии.

Pulsar-AI-Final — русскоязычный диалоговый помощник мессенджера Pulsar от Sonorix, дообученный на базе Qwen/Qwen2.5-0.5B-Instruct. Модель предназначена для ответов на вопросы пользователей о функциях Pulsar: офлайн-связи Pulsar Mesh, сквозном шифровании и двухфакторной аутентификации, резервном копировании, переносе чатов, уведомлениях, группах, контактах и поддерживаемых платформах. Это плотная авторегрессионная модель семейства Qwen2 с 494 млн параметров, рассчитанная на генерацию текста и диалог. Контекстное окно — до 32 768 токенов. В карточке заявлен запуск через Transformers; веса доступны в формате safetensors. Лицензия — Apache-2.0. Специализация на русском языке и функциях Pulsar делает модель узкопрофильной; её пригодность для общих вопросов или тем, не связанных с приложением, не заявлена.

Samantha-1.1-Westlake-7b — разговорная модель-компаньон, разработанная QuixiAI и дообученная на базе senseable/Westlake-7B с использованием набора Samantha-1.1. Она предназначена для диалогов в эмпатичном стиле, эмоциональной поддержки и ответов на вопросы; также может форматировать ответы, например, в JSON. Модель построена на плотной архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Принимает текст и генерирует текст. В примерах модель проявляет эмпатию и обозначает границы общения. Автор отмечает, что при определённых подсказках модель может вступать в романтические или сексуальные взаимодействия вопреки намерениям обучения. Распространяется по лицензии Apache-2.0.

kotraj-qwen3.5-2B — разработанная автором карточки донастройка Qwen3.5-2B для многошагового использования инструментов на корейском языке. Это плотная авторегрессионная модель с 1,7 млрд параметров; она принимает текстовые диалоги, формирует ответы и вызовы инструментов в собственном XML-формате Qwen3.5. Для продолжения диалога результаты инструментов передаются сообщениями роли tool. Модель рассчитана на агентские сценарии с одиночными и последовательными вызовами, включая календарь, покупки и путешествия; автор сообщает об улучшении на корейском kotraj-bench при сохранении результата базовой модели на английском BFCL v3. Поддерживается контекст до 262 144 токенов, лицензия Apache-2.0. В README указано, что модель обучена методом LoRA SFT с последующим слиянием адаптера с базовыми весами. Автор рекомендует явно задавать eos_token_id и отключать режим thinking, поскольку обучающие данные не содержали цепочек рассуждений. Среди ограничений — повышенная склонность вызывать инструменты даже тогда, когда это не нужно, непостоянство результатов между запусками и проверка лишь на трёх предметных областях; перенос на незнакомые схемы инструментов не оценивался. Приведённые оценки получены в одном запуске обучения.

Minerva Chat v0.1 Alpha SFT — разговорная языковая модель семейства Mistral, представленная в формате Safetensors и предназначенная для генерации текста в диалоговом режиме. Модель разработана проектом mii-llm и содержит 2,8 млрд параметров; максимальный контекст составляет 16 384 токена. В карточке указана поддержка итальянского языка. Модель подходит для прототипирования чат-ботов и генерации ответов на итальянском языке. README содержит только краткое название и не раскрывает сведения о данных дообучения, оценках качества или специальных ограничениях применения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

marinarosa/minicpm5-1b-vivamais-v0 — дообученная на текстовых данных модель MiniCPM5-1B для ответов на вопросы по панели Viva Mais. Она предназначена для диалогового поиска ответов по данным панели с опорой на предоставленный контекст, а также для сценариев, где нужно корректно отказываться от ответа при недостатке данных. Модель использует архитектуру LlamaForCausalLM с плотными весами; содержит 837,6 млн параметров и поддерживает контекст до 131 072 токенов. Основной язык — бразильский португальский. Доступна в формате safetensors для библиотеки Transformers; лицензия — Apache-2.0. Это кандидат версии v0, обученный на открытых португальских инструкционных данных и примерах вопросов и ответов в формате схемы Viva Mais, включая случаи обоснования ответов и отказа. По внутренней оценке он превзошёл базовую MiniCPM5-1B по среднему баллу, однако автоматический контроль не пройден: отмечены ошибки утечки данных и неверной обработки вопросов без ответа. Поэтому модель следует рассматривать как версионированный кандидат для задач Viva Mais, а не как окончательно проверенное решение.

Модель gwonny/nox-solar-10.7b-v4-kolon-ITD-5-v2.0 — языковая модель для диалоговой генерации текста, разработанная для Kolon. Это дообученная версия davidkim205/nox-solar-10.7b-v4: авторы сообщают об использовании QDoRA с параметрами 256 и 64 и NEFTune, пяти эпохах обучения и частных данных. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 10,6 млрд параметров; нативное контекстное окно — 4096 токенов. Репозиторий содержит веса PyTorch. Модель предназначена для генерации ответов и диалоговых сценариев, связанных с Kolon. В карточке указаны корейский и английский языки, однако сведения о качестве на отдельных задачах и более конкретных сценариях использования не приведены. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией и ограничивает коммерческое применение.

CHIP 2.0 — разговорная языковая модель HarlockDestroyer на архитектуре MixtralForCausalLM с разреженной архитектурой MoE и 7,1 млрд параметров. Она дообучена для генерации кратких, естественных ответов на испанском языке и предназначена для виртуального помощника, который отвечает на повседневные вопросы. Модель принимает текст и генерирует текст; контекстное окно составляет 32 768 токенов. Модель можно использовать для диалогов и ответов на типичные вопросы в приложениях виртуального помощника. Доступны веса в формате safetensors, для запуска в README показан Transformers. Лицензия — Apache-2.0. Карточка не приводит оценок качества или результатов тестирования.

dialogpt-es-arreglado — дообученная модель fiel1986 на основе microsoft/DialoGPT-small, построенной на архитектуре GPT-2. Она предназначена для генерации текста в диалоговом формате. Базовая модель ориентирована на многоходовые текстовые диалоги; конкретные сценарии и особенности дообучения для этой версии не описаны. Модель принимает текст и генерирует текст, имеет контекст длиной 1024 токена и распространяется в формате safetensors для библиотеки Transformers. Лицензия — MIT. Данных о поддерживаемых естественных языках и качестве ответов этой версии нет.

Sohamb2005/gpt2-finetuned-apologies — дообученная Sohamb2005 модель GPT-2 для составления извинений по короткому описанию ситуации. Пользователь задаёт ситуацию и выбирает тон: эмоциональный, профессиональный или неформальный; модель продолжает текст после двоеточия. Она предназначена для практики и подготовки личных сообщений, а не для специализированных сценариев. Модель основана на GPT-2 с 124 млн параметров, принимает и генерирует текст на английском языке, поддерживает контекст длиной 1024 токена и распространяется в формате safetensors. В оценке на отложенных примерах автор сообщает снижение perplexity с 27,1 до 6,4 и соответствие ситуации в 95% сгенерированных ответов; это сопоставимо с 96% для написанных вручную ответов. Лицензия — MIT. Обучающий набор небольшой: 256 примеров для обучения и 29 для проверки. Модель может повторять формулировки из обучающих данных и выдавать общие ответы на ситуации, далёкие от них.

Higgs Audio v3 TTS — авторегрессионная модель для разговорного синтеза речи, представленная в карточке как модель семейства Higgs. Она преобразует текстовые ответы в выразительное аудио и рассчитана на голосовые чаты и другие сценарии озвучивания. Поддерживает клонирование голоса по короткому аудиопримеру и встроенное управление эмоциями, стилем речи, просодией, паузами и звуковыми эффектами с помощью специальных токенов. Модель использует декодер примерно на 4 млрд параметров с 36 слоями, скрытым размером 2560 и grouped-query attention. Аудио кодируется токенизатором Higgs в восемь кодовых книг с частотой 25 кадров в секунду; длина контекста составляет 8192 токена. README заявляет поддержку 102 языков: для 85 языков указаны WER/CER ниже 5, а ещё для 17 — от 5 до 10. Условия этих оценок в карточке описаны не полностью, поэтому качество для конкретного языка и голоса следует проверять отдельно. Лицензия Boson Higgs Audio v3 Research and Non-Commercial разрешает исследовательское и некоммерческое использование; для коммерческого применения, размещённых API и получения дохода требуется отдельная коммерческая лицензия. Карточка запрещает клонирование голоса без согласия, выдачу себя за другого человека, мошенничество, обман избирателей, биометрическое наблюдение и незаконное использование.

Brandon Howe разработал Qwen3-8b-compassion-seed2-20261001-CPT-final — дообученную модель генерации текста на архитектуре Qwen3ForCausalLM, основанную на Qwen/Qwen3-8B-Base. Это плотная авторегрессионная модель примерно на 7,6 млрд параметров с контекстом до 32 768 токенов; она предназначена для генерации текста и диалоговых сценариев, связанных с темой сострадания. Обучение продолжалось на наборе CompassioninMachineLearning/compassion_12185_cleaned: README указывает 10 000 уникальных документов и повторные предъявления примеров. Карточка описывает модель как отдельный BF16-чекпойнт в формате safetensors, для загрузки которого не нужен адаптер. Модель можно применять для генерации ответов и текстов в диалогах, где важен сострадательный стиль. Сам факт обучения на тематических данных не доказывает улучшения сострадания, поэтому это свойство следует оценивать отдельно. Используется библиотека Transformers. Лицензия в предоставленных данных не указана.

Карточка модели maheshrawat18/Qwen3-8B-grpo-emotion-v4-merged на Hugging Face совпадает с карточкой maheshrawat18/Qwen3-8B-grpo-emotion-v3-merged, поэтому описание составлено по ней. maheshrawat18/Qwen3-8B-grpo-emotion-v3-merged — разговорная текстовая модель, разработанная maheshrawat18 на основе Qwen3. Это дообученная версия maheshrawat18/Qwen3-8B-grpo-emotion-v2-merged, предназначенная для генерации текста в диалогах. Название указывает на настройку для работы с эмоциями, однако README не уточняет её конкретные возможности или сценарии использования. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров. Она принимает текст и выдаёт текст, поддерживает английский язык и контекст до 40 960 токенов. Веса опубликованы в формате safetensors; модель обучали с использованием Unsloth. Лицензия — Apache-2.0.

beezza/ArrowNeo-Neko-3B-Japanese-v0.1-ft — дообученная разговорная языковая модель, разработанная beezza на базе DataPilot/ArrowNeo-Neko-3B-Japanese-v0.1. Модель использует плотную архитектуру LlamaForCausalLM и содержит 3,1 млрд параметров; при обучении применялись Unsloth и библиотека TRL от Hugging Face. Модель предназначена для генерации текста в диалогах. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. В названии базовой модели указана японская специализация, но карточка не описывает конкретные языковые возможности этой версии. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка не приводит оценок качества или подробностей обучения, поэтому пригодность для конкретных сценариев стоит проверять на собственных примерах.

interneuronai/it_support_ticket_classification_pegasus — модель компании Interneuron AI для классификации текстовых описаний обращений в ИТ-поддержку по категориям и приоритетам. Она предназначена для автоматизации сортировки заявок и ускорения их обработки службой поддержки. Модель построена на архитектуре BigBird и содержит 224,8 млн параметров. Указанная длина контекста — 4096 токенов; репозиторий содержит веса в формате safetensors. В карточке не уточнены набор классов, языки обучения и использования, лицензия и результаты оценки качества.

marinarosa/minicpm5-1b-vivamais-v1 — дообученная текстовая модель семейства Llama, созданная для ответов на вопросы по панели Viva Mais на бразильском португальском языке. Она содержит 837,6 млн параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Модель предназначена для диалоговых запросов о данных панели Viva Mais. В обучении использовались общедоступные инструкции на португальском языке, примеры Viva Mais со структурированной схемой и примеры, направленные на привязку ответов к данным и отказ при необходимости. Качество оценивается на профильном тесте Viva Mais QA, а не на общих португалоязычных тестах. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Её оценка на общих задачах португальского языка не приводится; область применения и оценка качества ориентированы на вопросы по Viva Mais.

Quipus 0.6 Speech v1 — модель преобразования текста в речь от HyperneuronAI на основе Qwen3. Она предназначена для синтеза речи на хинди, ассамском, панджаби и каннада и может применяться в голосовых помощниках, разговорных системах, автоматических звонках, IVR и средствах доступности. В README заявлены скорость генерации около двух раз выше реального времени и задержка до первого аудио около 120 мс. Модель работает с текстовым входом и выдаёт аудио. В выпуске нет клонирования голоса; качество может зависеть от языка, нормализации текста, пунктуации и стиля ввода. Возможны затруднения с текстом, смешивающим языки, редкими словами, сокращениями, числами и специальной терминологией. Код потокового инференса и формальные результаты оценки пока не представлены. Лицензия — MIT.

maheshrawat18/Qwen3-8B-grpo-emotion-v3-merged — разговорная текстовая модель, разработанная maheshrawat18 на основе Qwen3. Это дообученная версия maheshrawat18/Qwen3-8B-grpo-emotion-v2-merged, предназначенная для генерации текста в диалогах. Название указывает на настройку для работы с эмоциями, однако README не уточняет её конкретные возможности или сценарии использования. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров. Она принимает текст и выдаёт текст, поддерживает английский язык и контекст до 40 960 токенов. Веса опубликованы в формате safetensors; модель обучали с использованием Unsloth. Лицензия — Apache-2.0.

AfriGuardInst-AfriqueQwen3.5-4B-lora-merged — модель генерации текста и диалогов, созданная дообучением McGill-NLP/AfriqueQwen3.5-4B командой автора карточки с помощью LoRA, после чего адаптер объединён с базовыми весами. Модель обучена следовать инструкциям безопасности из набора israel/AfriGuard-inst и отвечать на пользовательские запросы с учётом этих инструкций. Модель построена на архитектуре Qwen3.5, содержит 4 млрд параметров и предназначена для диалогового применения на африканских языках и других языках базовой модели. В карточке указано обучение в течение одной эпохи на одном GPU; в метаданных заявлены языки английский, амхарский, хауса, игбо, оромо, шона, суахили, тви, волоф, йоруба и зулу. Модель распространяется в формате Safetensors по лицензии CC BY 4.0. Её специализация — ответы на запросы с учётом инструкций безопасности; качество и поведение за пределами этого набора языков и сценариев отдельно не охарактеризованы. Карточка не приводит измерений безопасности или оценок качества, поэтому ответы следует проверять в чувствительных сценариях.