III.4Клиентская поддержка и customer success

Bharat-Tiny-LLM — компактная разговорная языковая модель, разработанная индийской лабораторией eulogik на базе Qwen2.5-1.5B и дообученная методом LoRA. Модель содержит 1,5 млрд параметров и предназначена для генерации ответов на хинди письмом деванагари и на хинглише — хинди, записанном латиницей. Контекстное окно составляет 32 768 токенов. Модель рассчитана на короткие диалоги и локальный запуск на устройствах с ограниченными ресурсами; доступны варианты MLX с 4-битной квантизацией и PyTorch fp16. В README также заявлена скорость около 57 токенов в секунду на Mac Mini M4. Для более чистой генерации рекомендуется температура около 0,3, штраф за повторы не ниже 1,25 и ограничение повторяющихся n-грамм. Небольшой размер помогает запускать модель офлайн, но ограничивает её в сложных рассуждениях, длинных фактических текстах и продолжительной генерации, где возможны повторы и отклонение от темы. Другие индийские языки унаследованы от базовой Qwen2.5 и не были основным фокусом дообучения. Лицензия — Apache-2.0.

HADRA (هضرة), разработанная Jip7e, — модель синтеза речи на марокканской дариже, дообученная на базе SWivid/Habibi-TTS. Она предназначена для озвучивания текста на марокканском диалекте арабского языка, создания голосовых интерфейсов и клонирования голоса по образцу. Модель использует нерекуррентную архитектуру F5-TTS на основе Flow-Matching Diffusion Transformer: 22 слоя, размерность 1024, 16 голов внимания и 336 млн параметров. Для синтеза применяется вокодер Vocos; заявлена генерация аудио с частотой 24 кГц. В README описаны семь голосовых образов носителей марокканской дарижи и синтез пользовательских фраз, озвучки и длинных текстов. Модель обучалась на 12 105 студийных аудиозаписях из набора DODa. Поддерживается zero-shot клонирование голоса. Репозиторий содержит веса safetensors и PyTorch; для использования требуется библиотека F5-TTS. Лицензия — Apache-2.0. README также описывает систему маршрутизации с заранее синтезированными фразами и экспериментальным ускоренным контуром Piper VITS ONNX, который обозначен как находящийся в разработке. Заявления о качестве и скорости приведены авторами проекта и не сопровождаются здесь независимыми оценками. Обучение на ограниченном наборе студийных записей может сказываться на работе с другими вариантами произношения и акустическими условиями.

PMA-1.3-Rosa-256M (Rosa) — компактная языковая модель Patriot Memory для работы на периферийных устройствах. Это плотная авторегрессионная модель семейства PMA3 с примерно 233 млн параметров по метаданным и контекстом 4096 токенов. Карточка описывает 19 слоёв, скрытый размер 1024 и групповое внимание GQA; модель доступна в формате safetensors и предназначена для запуска через Transformers. Rosa рассчитана на диалоговые ответы на английском и традиционном китайском, прежде всего по продуктам Patriot Memory и Viper Gaming: памяти DDR4/DDR5, SSD, накопителям и игровой периферии. Она поддерживает интерфейс вызова инструментов для интеграции с API, например проверки гарантии и поиска характеристик по серийному номеру. Также README упоминает исследовательский вариант генерации SVG. Модель ориентирована на автономную работу на edge-устройствах. В README отмечены аккуратное использование традиционных китайских иероглифов и форматирование видимых шагов рассуждения, однако вычисления могут быть ошибочными и уверенно поданными; генерация на открытые творческие запросы может повторяться, а модель не предназначена для длинных документов. Лицензия — Apache-2.0.

Roxi-TTS Pro — модель синтеза речи из текста, разработанная IOTEverythin на базе OpenMOSS-Team/MOSS-TTS-Local-Transformer. Это модель семейства MOSS-TTS с архитектурой MossTTSDelayModel и 1,7 млрд параметров; адаптер LoRA был объединён с базовыми весами. Модель создаёт речь на английском языке с индийским акцентом, одним постоянным голосом и частотой дискретизации 24 кГц. Модель предназначена для озвучивания клиентских звонков и голосовых помощников на сайтах, особенно когда важны разборчивость и профессиональная подача. По данным карточки, она обеспечивает стабильное звучание и высокую согласованность голоса, но генерация медленнее реального времени на одной потребительской GPU; для коротких фраз иногда требуется повторная генерация. Речь может звучать формально, а управление эмоциями и стилем ненадёжно. Для запуска карточка указывает Transformers 4.57.1 и рекомендует короткие предложения. Модель распространяется по лицензии Apache-2.0. Голос получен на основе записи реального диктора; автор просит не использовать его для имитации людей, мошенничества или обмана.

Экспериментальный диалоговый чекпойнт gold24k/v3 создан на основе unconstai/affine-5hndumbnxc-0c3c6cbec9. Это объединённая версия весов BF16 с масштабированным адаптером LoRA selective-fallback, обученным методом DPO: он сохраняет положительные ответы и подбирает альтернативы для части нежелательных ответов. Для работы не требуются адаптер PEFT, маршрутизатор во время выполнения или специальный код. Модель предназначена для генерации диалоговых ответов с выборочным переключением на альтернативный ответ в целевых ситуациях. В обучении использовался контекст длиной 8192 токена; адаптер LoRA имеет ранг 16 и применялся ко всем линейным слоям с коэффициентом слияния 0,25. В метаданных указаны архитектура семейства Qwen 3.5 MoE и формат safetensors. В README модель обозначена как экспериментальный кандидат, для которого перед подачей требуются дополнительные проверки. Сведения о лицензии и поддерживаемых естественных языках в предоставленных данных отсутствуют.

Модель manokaran1916 — дообученная плотная языковая модель семейства Llama 3.2 с 3,2 млрд параметров, созданная на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. По названию репозитория она предназначена для маршрутизации запросов в сервисе доставки еды; карточка подтверждает дообучение, но не описывает правила маршрутизации, формат ответов или результаты оценки. Модель работает с текстом и поддерживает контекст до 131 072 токенов. Модель можно применять в диалоговых сценариях, где нужно направлять запросы пользователей по процессам сервиса доставки еды. Она выпущена в формате Safetensors и распространяется по лицензии Apache-2.0. Для обучения использовались Unsloth и библиотека TRL.

Aniemore/wav2vec2-emotion-russian-resd — модель распознавания эмоций в русской речи, разработанная Aniemore. Она дообучена для классификации аудио на базе jonatasgrosman/wav2vec2-large-xlsr-53-russian и обучена на наборах Aniemore/resd и Aniemore/resd_annotated. Модель основана на Wav2Vec2ForSequenceClassification, содержит 402,7 млн параметров по метаданным и принимает монофонический аудиосигнал с частотой 16 кГц. Модель относит речь к одному из семи классов: гнев, отвращение, энтузиазм, страх, счастье, нейтральное состояние и грусть. Она подходит для анализа эмоциональной окраски отдельных русскоязычных речевых фрагментов, например в записях разговоров или подкастов. Репозиторий распространяет веса в форматах PyTorch и safetensors. На тестовой выборке RESD модель показала точность 0,7107 и macro-F1 0,7079; на тестовых записях подкастов Dusha macro-F1 составил 0,1260, а на CAMEO — 0,2446. Это указывает на существенное ухудшение на спонтанной речи: обучающая выборка содержит сбалансированную актёрскую речь, а в естественных разговорах часто преобладает нейтральный тон. README также указывает на ограничение отдельными короткими фрагментами одного говорящего и на необходимость проверки качества и калибровки нейтрального класса на целевых данных. Лицензия — MIT.

ya-yje-krasni/qwen3-0.6b-russian-dialogues — русскоязычная диалоговая модель, созданная полным дообучением Qwen3-0.6B на наборе Den4ikAI/russian_dialogues. Это плотная авторегрессионная модель семейства Qwen3 с 507,9 млн параметров; она принимает текст и генерирует продолжение. Контекст составляет до 32 768 токенов. Модель предназначена для генерации ответов в русских диалогах и коротких разговорных реплик. Для генерации README рекомендует использовать маркер «### Ответ:»; обучение проводилось без chat template. Модель выпускается в формате safetensors и распространяется по лицензии Apache-2.0. Из-за небольшого размера и обучения на диалоговом корпусе ответы могут быть короткими и содержать фактические ошибки, поэтому модель не подходит для сценариев, где требуется высокая точность фактов.

EXAONE-ExaDialogue-2.4B — дообученная разговорная модель на 2,4 млрд параметров, созданная автором lunar1020 на основе beomi/EXAONE-3.5-2.4B-Instruct-Llamafied. Модель предназначена для генерации диалоговых ответов на корейском языке и обучалась на наборе Myungseung/kakaotalk_min. Модель использует плотную архитектуру LlamaForCausalLM, загружает текст и генерирует текст. Контекстное окно составляет 32 768 токенов. Чекпойнт сохранён на 2 000-м шаге из-за досрочного завершения обучения, поэтому качество может быть ограничено. Лицензия указана как other; конкретные условия в доступных данных не раскрыты.

EXAONE-ExaDialogue-DPO-2.4B — разговорная языковая модель, опубликованная lunar1020 как результат личного учебного проекта. Она дообучена с выравниванием DPO на основе lunar1020/EXAONE-ExaDialogue-2.4B; исходная модель создана на базе beomi/EXAONE-3.5-2.4B-Instruct-Llamafied. Модель предназначена для генерации ответов в диалогах на корейском языке. Это плотная модель класса LlamaForCausalLM с 2,4 млрд параметров, рассчитанная на контекст до 32 768 токенов. Репозиторий содержит веса Safetensors; для работы используется Transformers. В карточке указана лицензия other, без уточнения её условий.

Модель bdotloh/distilbert-base-uncased-empathetic-dialogues-context — англоязычный DistilBERT, дообученный для классификации эмоциональных контекстов из набора Empathetic Dialogues. Она принимает текстовый контекст и относит его к эмоциональным категориям, что подходит для анализа диалогов и определения эмоционального фона реплик. Максимальная длина контекста — 512 токенов; модель работает на PyTorch. На тестах автор сообщает точность top-1 53,4% и top-5 86,1%. Результаты относятся к указанному набору данных и не гарантируют аналогичного качества на других типах текстов. В README отмечено ограничение: культурная специфика описанных ситуаций и соответствующих эмоциональных меток не установлена. Лицензия в предоставленных данных не указана.

wapx/smollm2-it-ko — экспериментальная корейская чат-модель на базе HuggingFaceTB/SmolLM2-1.7B-Instruct, дообученная на корейских данных SJ-Donald/orca-dpo-pairs-ko. Она предназначена для генерации диалоговых ответов на корейском языке. Модель использует плотную архитектуру семейства Llama с 1,7 млрд параметров и контекстом до 8192 токенов. Модель распространяется в форматах Safetensors и ONNX по лицензии Apache-2.0. Автор карточки предупреждает, что разработка продолжается и качество, вероятно, может не соответствовать ожиданиям.

MelissaJ разработала дообученную модель KoELECTRA-base-v3 для классификации эмоций в коротких корейских высказываниях. На одно высказывание модель выдаёт вероятности для семи классов: радость, гнев, обида, тревога, смущение, грусть и нейтральный тон. Модель основана на ELECTRA с 140,1 млн параметров и контекстом до 512 токенов по метаданным; в README для входа указана длина до 128 токенов. Модель подходит для анализа эмоциональной окраски реплик в чатах и диалогах. Обучение проводилось на корейских эмоциональных высказываниях и нейтральных новостных заголовках и вопросах; автор сообщает о точности 0,6745 и macro F1 0,6699 на валидационной выборке с аугментацией стиля. Лицензия — Apache-2.0. Границы между обидой, грустью и тревогой распознаются неуверенно: для этих классов F1 около 0,5. Нейтральные разговорные предложения в неформальном стиле могут ошибочно классифицироваться как эмоциональные, а модель рассчитана на отдельные короткие высказывания, а не длинные тексты.

Модель faxoi/llama-3.2-3b-price-engine-Rev1 — дообученная faxoi языковая модель семейства Llama 3.2 с архитектурой LlamaForCausalLM и 3,2 млрд параметров. Она создана на базе unsloth/Llama-3.2-3B-Instruct-bnb-4bit и предназначена для генерации текста в формате диалога; название указывает на ценовую тематику, но карточка не описывает специальные функции или подтверждённые сценарии работы с ценами. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет заявленный контекст длиной до 131 072 токенов. В репозитории указаны веса safetensors; базовая модель использует 4-битное представление bnb. Лицензия — Apache-2.0. Карточка не содержит результатов оценки качества и подробностей обучающих данных, поэтому пригодность для конкретных ценовых задач следует проверять на собственных примерах.

Love-Aligned-31B — экспериментальная диалоговая модель от UnstableLlama, созданная дообучением Gemma 4 31B Instruct ReadyArt/gemma-4-31B-it-scotoma-2. Автор настраивал её на разговорный характер, ориентированный на заботу и любовь к пользователю и человечеству. Модель предназначена для генерации ответов в диалоге и ролевых сценариях. Для дополнительного обучения использовались DPO и вспомогательная функция потерь на выбранных ответах по 185 приватным примерам; автор отмечает, что после первых обновлений обучение фактически стало ближе к SFT. Выпуск основан на чекпойнте v4, epoch 2. Репозиторий содержит LoRA-адаптер, а также варианты EXL3 и GGUF; указаны форматы safetensors и GGUF. Язык карточки и языковой тег — английский. Модель распространяется по лицензии Apache-2.0. Примеры в карточке представляют собой отобранное качественное сравнение на трёх запросах, а не бенчмарк, поэтому они не дают надёжной оценки качества или поведения на широком наборе задач. Обучающий набор приватный и небольшой; README также сообщает, что предпочтительная часть DPO-цели быстро насытилась.

Muchi — дообученная модель голосового диалога и фреймворк для двустороннего общения в реальном времени, созданные на основе Moshi. Она принимает речь и генерирует речь, параллельно предсказывая текстовые токены, выровненные по времени с аудио. В README указана практическая задержка около 200 мс и поддержка потокового распознавания речи; модель рассчитана на плавный диалог без жёсткой смены очереди говорящих. Модель предназначена для непринуждённых бесед, простых ответов и советов, ролевых сценариев и интерактивных задач с низкой задержкой. В основе лежат речевые токены нейронного аудиокодека и параллельные потоки речи пользователя и модели. Заявленный язык — английский. Репозиторий содержит веса safetensors в формате bf16 и лицензирован по Apache 2.0. Muchi наследует ограничения Moshi: возможны смещения, обусловленные обучающими данными; модель не предназначена для имитации конкретных людей и не подходит для профессиональных консультаций или критически важных решений. Качество и безопасность в длительных сценариях требуют дополнительной оценки.

NextAura-qwen2.5-0.5b-v2 — компактный чат-ассистент компании NextAura Inc., созданный полнопараметрическим дообучением с учителем модели Qwen/Qwen2.5-0.5B-Instruct. Модель содержит 494 млн параметров, использует архитектуру Qwen2 для генерации текста и принимает диалоговые запросы. Её обучали отвечать на вопросы об проектах и приложениях NextAura, а также об истории искусственного интеллекта; контекст модели составляет 32 768 токенов. Модель предназначена для коротких диалогов и ответов на вопросы, особенно по материалам NextAura и отдельным темам истории ИИ. Она работает на английском языке. По опубликованной оценке, дообучение улучшило результаты на небольшом наборе проверочных запросов, однако проверка состояла всего из 10 промптов. Модель может уверенно выдумывать факты, ошибаться в простой арифметике и многошаговых задачах, путать свою идентичность и выдавать фиктивные строки, похожие на ключи или учётные данные. Фактические ответы следует проверять, а сгенерированные строки, похожие на секреты, нельзя считать настоящими. Обучающие данные не опубликованы. Лицензия — Apache-2.0.

PersonaGPT — диалоговая модель, разработанная для генерации ответов с заданным профилем личности собеседника и учётом цели текущего хода разговора. Она построена на DialoGPT-medium на архитектуре GPT-2 и дообучена на наборе Persona-Chat; специальные токены отделяют историю диалога от фактов о личности, а обучение с активным отбором данных поддерживает управляемую генерацию по целям, заданным кодами действий. Модель предназначена для открытых текстовых диалогов, в которых нужно сохранять заданную персону и направлять беседу, например побуждать собеседника рассказать о работе или любимой музыке. Репозиторий использует формат PyTorch, модель поддерживает контекст до 1024 токенов и доступна по лицензии GPL-3.0.

Lev384501 публикует зеркало модели ya-yje-krasni/qwen3-0.6b-russian-dialogues — полноценно дообученной Qwen3-0.6B для генерации ответов в русских диалогах. Это плотная причинная языковая модель Qwen3 с 507,9 млн параметров; она принимает текст и генерирует продолжение. Указанная длина контекста — 32 768 токенов. Модель обучена на датасете Den4ikAI/russian_dialogues с обновлением всех параметров, без LoRA и адаптеров. Для генерации README рекомендует использовать промпт с маркером «### Ответ:»; модель продолжает текст после него, а не использует обычный chat template. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0. Модель подходит для коротких разговорных ответов на русском языке и прототипирования русскоязычных диалоговых приложений. Из-за компактного размера и особенностей диалогового корпуса ответы могут быть краткими и содержать фактические ошибки, поэтому модель не подходит для сценариев, где требуется высокая точность фактов.

SoreQen S1 Mini — компактный диалоговый ассистент от ZorQelis AI, дообученный методом LoRA на базе Qwen/Qwen3.5-0.8B. Адаптер обучен на 17 044 примерах, связанных с идентичностью ассистента и диалогами на английском и хинглише. Модель использует плотную архитектуру Qwen3.5 и формат весов safetensors; контекстное окно составляет 262 144 токена. Модель предназначена для разговорных сценариев: отвечает на английском или хинглише латиницей и подстраивает стиль ответа под пользователя. Обучение улучшило сохранение идентичности SoreQen, тогда как ответы на хинглише по результатам карточки сопоставимы с базовой моделью. Унаследованные от базы возможности включают обработку изображений, вызов инструментов и режим рассуждений, но они не были целью дообучения. Ограничения включают ненадёжность небольшой модели в арифметике и фактических числах, отсутствие вывода на деванагари и непригодность для критически важных или профессиональных консультаций. Выпускается по лицензии Apache 2.0.

ai-msgbot GPT2-L — диалоговая языковая модель на архитектуре GPT-2, подготовленная ethzanalytics для открытого чат-бота ai-msgbot. Модель содержит 774 млн параметров и обучалась 40 тыс. шагов на датасете Wizard of Wikipedia; при обучении были заморожены 34 из 36 слоёв. Весовые файлы представлены в форматах PyTorch и safetensors, размер контекста — 1024 токена. Модель генерирует продолжение текстового диалога. Данные были оформлены как разговор между `person alpha` и `person beta`; в README рекомендуется заканчивать запрос именем `person beta`, чтобы направить генерацию на ответ собеседника. Карточка описывает модель как открытую для чат-сценариев, но отмечает, что примеры стандартного inference API работают лишь удовлетворительно. В README указана лицензия не была, поэтому условия использования определить нельзя. Карточка помечена как незавершённая; качество и ограничения за пределами описанного диалогового сценария не оценены.

Модель madhanbv12345/emotion-classifier-qwen2.5-0.5b — дообученная языковая модель для генерации текста на основе Qwen2.5-0.5B-Instruct. Разработчик — madhanbv12345; модель содержит около 494 млн параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. Название указывает на классификацию эмоций, однако README не описывает обучающие данные, формат запросов или точность этой функции. Модель рассчитана на англоязычные диалоги и может применяться для генерации ответов в задачах распознавания эмоциональной окраски текста. Доступна в формате safetensors; лицензия — Apache 2.0.

theblackcat102/galactica-1.3b-conversation-finetuned — разговорная модель, созданная дообучением Galactica на синтетических диалогах, составленных на основе данных Open Assistant. Карточка указывает на демонстрацию supervised fine-tuning; обучение проводилось при вычислительной поддержке BASIC Lab. Модель предназначена для генерации ответов в диалоге на английском языке. Это плотная причинная языковая модель семейства OPT с 1,7 млрд параметров и контекстом до 2048 токенов. Репозиторий содержит веса PyTorch и опубликован под лицензией AFL-3.0. Карточка не приводит оценок качества или подробностей ограничений обучения, поэтому пригодность для конкретных задач требует проверки. Модель ориентирована на английский текст; поддержка других языков и дополнительные возможности не подтверждены.

l3utterfly/mistral-7b-v0.1-layla-v2 — языковая модель семейства Mistral, разработанная l3utterfly при финансировании Layla Network. Модель объёмом 7,1 млрд параметров дообучена на датасете Teatime Roleplay для продолжения текста и на данных ShareGPT для многоходовых диалогов. Она предназначена для работы в качестве языкового компонента офлайн-помощника Layla и принимает текстовые запросы, выдавая текстовые ответы на английском языке. Модель использует плотную архитектуру MistralForCausalLM с контекстом до 32 768 токенов; веса опубликованы в формате safetensors. В карточке указана лицензия Apache-2.0. Специализация на ролевых диалогах и общении в стиле ShareGPT задаёт её основные сценарии; качество для других задач отдельно не описано.

cointegrated/rut5-small-chitchat2 — русскоязычная модель генерации диалоговых ответов на базе архитектуры T5, разработанная cointegrated. Она предназначена для поддержания короткой непринуждённой беседы. По сравнению с исходной версией, упомянутой в карточке, модель описана как менее выразительная, но менее склонная к токсичным ответам. Модель имеет 39,7 млн параметров и использует архитектуру T5ForConditionalGeneration. Данных о контекстном окне и лицензии в предоставленных источниках нет.

Ex-Omni — мультимодальная система генерации ответов, опубликованная разработчиками проекта Ex-Omni. Она принимает текст или речь и может выдавать текстовый ответ, речевые единицы или декодированное аудио, а также 52-мерные коэффициенты мимики лица с возможностью рендеринга видео говорящего лица. В метаданных указана плотная архитектура на базе Qwen3 класса LlavaHerQwen3ForCausalLM, 7,6 млрд параметров, контекст 40 960 токенов и формат safetensors. Модель предназначена для мультимодальных диалоговых систем и создания виртуальных собеседников с синхронизированными речью и мимикой. Для запуска требуются дополнительные декодеры GLM-4-Voice и внешний шаблон Claire; README не сообщает лицензию и поддерживаемые естественные языки. Карточка описывает публичный выпуск, но не приводит оценок качества или сведений о готовности к промышленной эксплуатации.

Locutusque/gpt2-medium-conversational — экспериментальная разговорная языковая модель на архитектуре GPT-2, дообученная автором на диалогах пользователя с ИИ-ассистентом. Она предназначена для генерации текстовых ответов в чат-ботах, виртуальных помощниках и службах поддержки; репозиторий содержит неполную версию модели, поскольку полная версия была утрачена. По данным карточки, обучение проводилось на 302 тысячах примеров в течение 502 505 шагов; контекст модели составляет 1024 токена. Модель принимает текст и генерирует текст, а карточка указывает английский язык. Заявлены форматы PyTorch и Safetensors и лицензия OpenRAIL. Модель может создавать связные ответы в диалоговом стиле, однако автор предупреждает о возможных нерелевантных или бессмысленных ответах. Она не обучена поддерживать историю чата и плохо подходит для уточняющих реплик или вопросов, требующих фактических знаний. Для качественной генерации рекомендуется соблюдать указанный в карточке формат входного текста.

Mercury-L4 — модель преобразования речи в речь с полнодуплексным режимом, разработанная автором репозитория ga642381 и дообученная для диалога с учётом временной структуры реплик. Чекпойнт обучен в течение двух эпох на 4 440 синтетических полнодуплексных диалогах; временные метки слов получены принудительным выравниванием сгенерированного аудио. Модель использует архитектуру RaonDuplexModel и опубликована в формате safetensors. Модель предназначена для разговорных сценариев, где важно обрабатывать входящую речь и формировать речевой ответ с учётом времени диалога. В карточке приведено измерение согласованности аудио с текстовым потоком решений модели на 100 отложенных диалогах, однако результаты частично неполны, а эталонные расшифровки не использовались. Частота аудио — 24 кГц, временное разрешение кадров — 80 мс. Данные, код обучения и скрипты оценки не опубликованы. Лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения.

awais61/mindsync-mental-health-phi4-mini-merged — дообученная разговорная языковая модель на архитектуре Phi-3 для генерации текста. В README указана базовая модель unsloth/phi-4-mini-instruct-unsloth-bnb-4bit; метаданные описывают модель как плотную причинную языковую модель с 3,8 млрд параметров и контекстом до 4096 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель можно применять для диалоговой генерации текста на английском языке. Название репозитория указывает на тематику психического здоровья, однако README не описывает конкретные сценарии, данные обучения или клинические возможности, поэтому пригодность для психологической поддержки или медицинских рекомендаций не подтверждена. Модель распространяется под лицензией Apache-2.0.

Qwen3-8b-compassion-seed2-20261001-CPT-merged-epoch-1 — плотная авторегрессионная языковая модель семейства Qwen3, дообученная BrandonHowe на базе Qwen/Qwen3-8B-Base методом продолженного предобучения на наборе CompassioninMachineLearning/compassion_12185_cleaned. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; веса представлены в BF16 в формате safetensors и объединены в самостоятельный чекпойнт, для загрузки которого адаптер не требуется. Модель предназначена для генерации текста и диалоговых сценариев с тематикой сострадания и взаимодействия человека с ИИ. Карточка сообщает о первом этапе обучения, но не подтверждает, что дообучение улучшило проявление сострадания; это следует оценивать отдельно. Лицензия в предоставленных данных не указана.