III.4Клиентская поддержка и customer success

POLAR-14B-DPO-v1.3 — корейская языковая модель, разработанная AI-Lab компании Plateer и созданная под влиянием SOLAR от Upstage. Это плотная причинно-авторегрессионная модель семейства Llama с 14,1 млрд параметров и контекстом 4096 токенов; она предназначена для генерации текста на корейском языке. Модель дообучена методом DPO на 12,3 тыс. пар предпочтений из набора We-Want-GPU/Yi-Ko-DPO-Orca-DPO-Pairs, а её родительская модель — x2bee/POLAR-14B-v0.2. Модель можно использовать через Transformers для диалога, написания и продолжения текста на корейском языке. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0. В README отмечен риск стереотипных и потенциально вредных ответов; метрики и подробные результаты оценки не приведены.

Модель fpadovani/ppt-art-lang-newlexicon-zipf-soft0.7-eng-baseline-100mb_seed455 — дообученная с помощью TRL версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста и может использоваться для продолжения текста или получения ответа на текстовый запрос. Модель построена на архитектуре GPT-2, распространяется в формате safetensors и имеет контекст длиной 512 токенов. В карточке показан пример генерации по вопросу на естественном языке. Данные не описывают специализированную предметную область или дополнительные возможности модели. Качество и ограничения дообученной версии отдельно не охарактеризованы. Сведения о лицензии в доступных материалах отсутствуют.

Модель francesca9805/ppt-wc-uniform-newlex-dan-before-100mb-packed-bfd_seed10 — дообученная Francesca9805 версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; в карточке приведён пример ответа на открытый вопрос в диалоговом формате. Модель создана с помощью TRL и распространяется в формате safetensors для библиотеки Transformers. Контекст модели составляет 512 токенов. Карточка не описывает специализированную предметную область или дополнительные возможности. Условия лицензии в предоставленных данных не указаны.

Qwen3.8-27B-Human-KO-Safety — дообученная ThakiCloud версия Qwen/Qwen3.8-27B для диалогов на корейском языке с настройкой поведения на неоднозначных вопросах, связанных с социальными предубеждениями. Модель обучена с помощью SFT и DPO: она чаще воздерживается от ответа, когда контекста недостаточно, и отвечает на вопросы с достаточной информацией. В README указано, что KoBBQ не использовался при обучении. В тесте KoBBQ доля стереотипных ответов снизилась до 6,7%, а доля ответов с воздержанием составила 92,8%. При этом модель несколько чаще базовой отвечает, что ей нужно больше информации, даже на неоднозначные вопросы вне темы предубеждений; условная оценка смещения среди данных ответов не достигла целевого уровня. Также приведены результаты по HumanEval, MMLU и GPQA, близкие к показателям базовой модели. Модель плотная, семейства Qwen3.5, с поддержкой диалогов и интерфейса вызова инструментов; доступна в формате safetensors. Лицензия — Apache-2.0.

Это дообученная модель GPT-2 от Francesca9805, созданная на основе francesca9805/rus-cyrl-100mb-ppt-Dp-100mb-packed-bfdiso_seed455 с использованием TRL. Она предназначена для генерации текста и ответа на короткие вопросы; в примере карточки показана генерация ответа на вопрос на английском языке. Модель использует архитектуру GPT2LMHeadModel и распространяется в формате safetensors. Контекст ограничен 512 токенами. Метаданные не содержат сведений о лицензии. Карточка не приводит результатов оценки качества, поэтому пригодность ответов для конкретных задач следует проверять отдельно.

Это дообученная модель генерации текста на базе goldfish-models/rus_cyrl_100mb. Разработчик указывает, что модель обучалась с помощью TRL; архитектура — GPT-2 с плотными слоями, веса сохранены в формате safetensors. Она предназначена для продолжения текста и генерации ответов на текстовые запросы. Контекст модели составляет 512 токенов. В карточке приведён пример генерации ответа на вопрос о выборе путешествия во времени. Метаданные связывают базовую модель с русским языком, однако отдельные сведения о качестве, обучающих данных и фактическом охвате языков не приведены. Лицензия в предоставленных данных не указана.

Ryanlai/shibing624_text2vec-base-chinese-fine-tune-insurance_data — модель эмбеддингов предложений на базе BERT, опубликованная как модель Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для семантического поиска, сравнения сходства и кластеризации. Модель дообучена с функцией потерь CosineSimilarityLoss на данных, связанных со страхованием. Модель содержит 129,5 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Она предназначена для представления китайского текста в виде векторов; такие эмбеддинги можно использовать для поиска похожих фрагментов и группировки текстов. Доступны веса PyTorch. Лицензия в предоставленных сведениях не указана.

mumu-97/SOLAR-KO-various-v0.1 — корейская языковая модель семейства Llama, дообученная на базе beomi/OPEN-SOLAR-KO-10.7B на датасете kyujinpy/Ko-various-dataset. Она предназначена для генерации текста на корейском языке. Модель содержит 10,7 млрд параметров, использует плотную архитектуру Llama и принимает контекст длиной до 2048 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не уточняет состав задач датасета, поэтому специализацию за пределами генерации текста определить нельзя.

hwkwon/S-SOLAR-10.7B-SFT-v1.3 — чат-модель, дообученная разработчиком на базе yanolja/EEVE-Korean-10.8B-v1.0 с использованием DeepSpeed. Она предназначена для генерации ответов на запросы в диалоговом формате. Модель построена на плотной архитектуре Llama и содержит 10,6 млрд параметров; максимальная длина контекста — 4096 токенов. Основной язык модели — корейский. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README не описывает состав обучающих данных или результаты оценки качества.

Это дообученная с помощью TRL модель генерации текста на базе goldfish-models/tam_taml_100mb, построенная на архитектуре GPT-2. Она предназначена для продолжения текста и генерации ответов на пользовательские запросы; в карточке приведён пример вопроса для свободного рассуждения о выборе между путешествием в прошлое и будущее. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Сведения о конкретном наборе данных, качестве ответов и лицензии в предоставленных источниках отсутствуют.

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/tam_taml_10mb на базе архитектуры GPT-2. Она предназначена для генерации текста; в примере карточки показан ответ на открытый вопрос в формате диалога. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. В карточке не описаны обучающие данные и конкретные языки. Лицензия в предоставленных сведениях не указана.

urd-arab-100mb-after-ppt-Dp-10mb-ckpt500_seed3407 — дообученная модель семейства GPT-2 от fpadovani, созданная на основе fpadovani/urd-arab-100mb-ppt-Dp-10mb_seed3407 с использованием TRL. Она предназначена для генерации текста; пример в карточке показывает ответ на открытый вопрос в формате диалога. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 512 токенов и распространяется в формате safetensors для библиотеки Transformers. Лицензия и целевые естественные языки в доступных данных не указаны. Оценки качества и ограничения конкретного дообучения не приведены.

wav2vec2-base-Speech_Emotion_Recognition-ONNX — это ONNX-версия модели DunnBC22/wav2vec2-base-Speech_Emotion_Recognition, автоматически конвертированная и опубликованная сообществом onnx-community. Модель предназначена для распознавания эмоций в речи по аудиосигналу и может использоваться в приложениях, где требуется анализ эмоциональной окраски голосовых данных. Модель основана на архитектуре wav2vec2 и распространяется в формате ONNX для использования через transformers.js. В README не указаны точный размер модели, набор распознаваемых эмоций, поддерживаемые языки, максимальная длина контекста, сведения о модальностях помимо речи, показатели качества или условия лицензирования. Поэтому ограничения производительности, языковой применимости и лицензии необходимо уточнять в карточке базовой модели DunnBC22/wav2vec2-base-Speech_Emotion_Recognition.

CAT-Translate-7b-i1-GGUF — это GGUF-квантизированная версия модели CAT-Translate-7b, разработанной cyberagent и преобразованной в набор квантованных файлов пользователем mradermacher. Базовая модель обучалась с использованием набора данных CAT-Translate-Dataset и предназначена для машинного перевода между японским и английским языками. Модель имеет размер 7 миллиардов параметров. В README не указаны точная архитектура, размер контекстного окна, поддержка дополнительных модальностей или конкретные варианты использования помимо перевода. Доступны многочисленные варианты квантизации imatrix и стандартные GGUF-варианты объёмом примерно от 1,8 до 6,2 ГБ, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством; для практического использования автор рекомендует вариант i1-Q4_K_M, а i1-Q4_K_S отмечает как сбалансированный по размеру, скорости и качеству. Более агрессивные варианты могут заметно снижать качество перевода. Модель распространяется по лицензии MIT. Ограничения включают зависимость качества от выбранного типа квантизации и отсутствие в предоставленных данных подробных оценок качества, описания контекстного окна и сведений о работе с языками, отличными от японского и английского.

Edentns/DataVortexM-7B-Instruct-v0.1 — корейская диалоговая модель, созданная командой, в которой указаны Kwangseok Yang, Jeongwon Choi, Seunghyun Choi и Hyoseok Choi. Это дообучение Mistral-7B-Instruct-v0.2 на наборе beomi/KoAlpaca-v1.1a для ответов на инструкции и вопросов на корейском языке. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель принимает текстовые инструкции в формате Alpaca и генерирует текстовые ответы; в репозитории также указан chat_template. В README приведены результаты Ko-LLM-Leaderboard со средним баллом 39,81, однако таблица Ko LM Eval Harness показывает нулевые результаты по перечисленным задачам, поэтому оценка качества неоднозначна. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения производных работ.

DataVortexS-10.7B-v1.0 — разговорная языковая модель, представленная командой, в составе которой указаны Kwangseok Yang, Seunghyun Choi, Jeongwon Choi и Hyoseok Choi. Это дообученная версия megastudy/M-SOLAR-10.7B-v1.3 на архитектуре Llama с плотной структурой, примерно 10,6 млрд параметров и контекстом 4096 токенов. Модель предназначена для генерации текста в формате диалога и следует шаблону инструкций Alpaca. В карточке приведены результаты оценки на корейских наборах Ko LM Eval Harness и Ko-LLM-Leaderboard; метаданные указывают корейский язык. Это подходит для создания корейского чат-ассистента и ответов на вопросы на корейском языке. Модель распространяется в формате safetensors по лицензии CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных материалов на тех же условиях и ограничивает коммерческое использование.

Defne — чат-модель Eurdem на архитектуре Llama 3.1, созданная дообучением Meta-Llama-3.1-8B-Instruct на турецком наборе данных объёмом около 4 млн токенов и последующим объединением с VAGOsolutions/Llama-3.1-SauerkrautLM-8b-Instruct. Модель содержит 7,5 млрд параметров, предназначена для диалоговой генерации текста и принимает текстовые запросы, выдавая текстовые ответы. Заявлен контекст до 131 072 токенов; доступны веса в формате safetensors. Основной сценарий — общение на турецком языке и помощь с вопросами, включая простые вычисления. В метаданных также перечислена поддержка английского, немецкого, французского, итальянского и испанского языков. Модель распространяется по лицензии Llama 3.1. В карточке приведены лишь краткие примеры, поэтому качество и надёжность ответов для разных задач по ним оценить нельзя.

MergedQwen2-0.5B0.2 — языковая модель на архитектуре Qwen2, созданная автором репозитория слиянием DELLA через mergekit. В качестве базовой модели использована Qwen2-0.5B, а также включена модель debias_Qwen2-0.5B. Число параметров составляет около 493,7 млн; веса опубликованы в формате safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового общения. Её можно применять для коротких ответов на запросы, черновиков текста и простых разговорных сценариев. В метаданных указан контекст до 131 072 токенов. Карточка не сообщает лицензию или результаты оценки качества. Размер модели ограничивает её возможности в сложных рассуждениях и специализированных задачах; слияние само по себе не подтверждает эффективность снижения предвзятости.

fpadovani/eng-100mb-after-eng-baseline-newlexicon-ckpt500_seed10 — дообученная модель семейства GPT-2, созданная на основе fpadovani/ppt-art-lang-newlexicon-eng-baseline-100mb_seed10. Согласно карточке, модель обучалась с помощью TRL и предназначена для генерации текста в ответ на вопросы и продолжения диалога. Она принимает текст и выдаёт текст; длина контекста составляет 512 токенов. Репозиторий содержит веса в формате safetensors. Карточка показывает пример генерации ответа на вопрос, заданный в формате сообщений. Модель ориентирована на английский язык. В README не приведены результаты оценки качества или подробности обучающих данных, поэтому надёжность ответов и пригодность для специализированных задач по этим материалам определить нельзя. Условия лицензии в предоставленных данных не описаны.

Это дообученная модель на архитектуре GPT-2, созданная fpadovani на базе fpadovani/ppt-art-lang-newlexicon-eng-baseline-100mb_seed455. Модель обучена с помощью TRL и предназначена для генерации текста; пример в карточке показывает ответ на открытый вопрос на английском языке. Модель принимает текст и генерирует продолжение или ответ. Размер контекста — 512 токенов, формат весов — safetensors. Карточка не описывает отдельные специализированные области применения или дополнительные возможности. Лицензия в доступных данных не указана.

Модель fpadovani/eng-latn-100mb-after-ppt-Dp-100mb-packed-f2-ckpt500_seed3407 — дообученная GPT-2-подобная авторегрессионная языковая модель, созданная на основе fpadovani/eng-latn-100mb-ppt-Dp-100mb-packed-fa2_seed3407. По карточке, обучение выполнялось с помощью TRL; модель опубликована в формате safetensors и запускается через Transformers. Она предназначена для генерации английского текста и ответов на вопросы в текстовом диалоге. В примере использования подаётся вопрос, после чего модель продолжает ответ; заявленное контекстное окно составляет 512 токенов. Карточка не описывает специализированную предметную область или результаты оценки качества. Из-за небольшого контекста модель подходит прежде всего для коротких запросов и ответов; качество и фактическую надёжность следует оценивать для конкретного сценария. Лицензия в предоставленных данных не указана.

Furry Request 3B — объединённая разговорная языковая модель на архитектуре StableLM Epoch, созданная автором jeiku с помощью mergekit из jeiku/Rosa_v1_3B и jeiku/Furry_Request_StableLM. Модель предназначена для генерации текста и диалогов; метаданные указывают поддержку чата. Веса представлены в формате safetensors, общий размер модели — 2,7 млрд параметров, длина контекста — до 4096 токенов. Модель принимает текст и выдаёт текст. Базовая модель описана как экспериментальная англоязычная разговорная модель для диалогов и ИИ-компаньона, поэтому наиболее подходящий сценарий — англоязычное общение. README не приводит оценок качества или подробностей ограничений. Лицензия в предоставленных данных не указана.

AIdenU/Gemma-7b-ko-Y24_v2.0 — языковая модель семейства Gemma, основанная на google/gemma-7b. По метаданным это плотная авторегрессионная модель примерно на 8,2 млрд параметров с контекстом до 8192 токенов, предназначенная для генерации текста. В карточке указан корейский язык. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. README указывает базовую модель, но не описывает конкретный сценарий дообучения или сравнительные результаты, поэтому специализацию сверх генерации корейского текста установить нельзя.

SeaBenSea представляет модель распознавания эмоций в турецкой речи на основе HuBERT. Она дообучена на наборе данных TurEV-DB и предназначена для классификации аудиозаписей речи по эмоциональным категориям. Модель использует архитектуру HuBERT с классификационной головой и содержит около 402,7 млн параметров. В карточке приведены метрики для классов «злость», «спокойствие» и «радость»; также упомянуты ещё две строки таблицы, но их содержимое не раскрыто. Модель подходит для анализа эмоций в турецкой речи, однако карточка не описывает проверку на других наборах данных или устойчивость к отличающимся условиям записи. Лицензия — Apache 2.0.

dipesh/Intent-Classification-Bert-Base-Cased — модель классификации текста на основе BERT, представленная в формате TensorFlow. По карточке она обучена с нуля на неизвестном наборе данных; архитектура — BertForSequenceClassification, размер — 135,5 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для отнесения текста к классам, но набор меток и конкретная предметная область не описаны. Карточка не приводит результатов оценки, деталей обучающих данных, рекомендаций по применению или лицензии. Поэтому пригодность модели для конкретной задачи и условия её использования по имеющимся сведениям определить нельзя.

Модель Francesca9805 — дообученная на базе goldfish-models/isl_latn_100mb языковая модель семейства GPT-2. Она предназначена для генерации продолжения текста и ответов на текстовые запросы; в карточке приведён пример диалогового запроса. Модель обучалась с помощью TRL, распространяется в формате Safetensors и имеет контекстное окно 512 токенов. Данных о целевых языках и специализированных областях применения нет. Лицензия в предоставленных данных не указана.

KaniTTS2-en — англоязычная модель синтеза речи, разработанная авторами проекта KaniTTS2. Она преобразует текст в аудио и предназначена для озвучивания ответов диалоговых систем и виртуальных помощников в реальном времени. Модель построена на архитектуре LFM2 с причинной языковой моделью и использует двухэтапный конвейер с аудиокодеком FSQ. В репозитории указаны 460 млн параметров, частота дискретизации 22 кГц и контекст до 128 000 токенов. Карточка описывает английский язык и несколько голосов с различными акцентами. Для RTX 5080 заявлены коэффициент реального времени около 0,2 с пользовательским исполнителем и использование 3 ГБ видеопамяти; эти показатели относятся к указанной конфигурации. Модель дообучена на базе nineninesix/kani-tts-2-pt с использованием датасета LAION/Emolia. Лицензия обозначена как other, поэтому перед использованием следует проверить условия в репозитории. В карточке также приведены ограничения: качество может снижаться при входных фрагментах длиннее примерно 40 секунд, а произношение и просодия могут наследовать смещения данных обучения.

mssma/ko-solar-10.7b-v0.12 — текстовая генеративная модель на архитектуре Llama с 10,7 млрд параметров, опубликованная в формате safetensors для использования через Transformers. Карточка содержит пример загрузки модели и токенизатора; метаданные указывают корейский язык и контекст длиной 2048 токенов. Модель предназначена для генерации текста на корейском языке. Её можно применять для продолжения текста и построения ответов в сценариях, где требуется корейская языковая генерация. Модель опубликована по лицензии Apache-2.0. README не сообщает о дообучении или базовой модели, поэтому происхождение модели нельзя установить по доступным сведениям.

RsGoksel/Lama3.1-8B-Saver-16B — разговорная модель семейства Llama, разработанная RsGoksel путём дообучения ytu-ce-cosmos/Turkish-Llama-8b-DPO-v0.1 с использованием Unsloth и TRL. Она предназначена для генерации и продолжения текста в диалогах. Модель содержит 7,5 млрд параметров, имеет плотную архитектуру LlamaForCausalLM и контекст до 8192 токенов. Модель ориентирована на турецкий язык согласно описанию базовой модели; метаданные карточки также содержат код языка en. Весá доступны в формате safetensors. Лицензия — Apache-2.0. README не приводит результатов оценки качества или подробностей обучения, поэтому пригодность для конкретных сценариев следует проверять на собственных данных.

AIdenU/LLAMA-2-13b-ko-Y24-DPO_v2.1 — корейская языковая модель для генерации текста, основанная на Llama 2 и дообученная методом DPO на базе AIdenU/LLAMA-2-13b-ko-Y24_v2.0. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст до 4096 токенов. Модель предназначена для генерации текста на корейском языке. В карточке приведён раздел генерации модели, но подробные сценарии, обучающие данные и сравнительные оценки не описаны. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0.