III.4Клиентская поддержка и customer success

itsabdou/llama31-8b-fine-tuned-combined-v2-merged — дообученная плотная авторегрессионная языковая модель семейства Llama 3.1, разработанная itsabdou на базе unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. В модели около 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживает диалоговый режим и интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Карточка сообщает, что обучение выполнено с использованием Unsloth и библиотеки TRL от Hugging Face; лицензия — Apache-2.0. Сведения о специализации дообучения и его оценке качества не приведены.

PerfectUsing/llama-3.1-8b-sam-v5-merged — дообученная текстовая генеративная модель на архитектуре Llama 3.1 с плотной архитектурой и примерно 7,5 млрд параметров. Разработчик — PerfectUsing; базовая модель — unsloth/llama-3.1-8b-unsloth-bnb-4bit. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста. В метаданных указан контекст до 131 072 токенов и английский язык. Карточка не уточняет специальную область применения или особенности обучения. Модель распространяется по лицензии Apache-2.0.

VictorDCh/Llama-3-8B-Instruct-MoE-2 — разговорная языковая модель на архитектуре Mixture of Experts (MoE), созданная из meta-llama/Meta-Llama-3-8B-Instruct. В конфигурации указаны два эксперта на токен, сформированные из одной базовой модели и ориентированные на разные типы вопросов, включая сравнения, вопросы с вопросительными словами и количественные рассуждения. Модель предназначена для генерации текста в диалоговом формате и ответов на запросы. Она содержит 7,5 млрд параметров, рассчитана на контекст до 8192 токенов и представлена в формате safetensors для библиотеки Transformers. README не содержит сведений о разработчике, лицензии или оценке качества, поэтому условия распространения и сравнительные преимущества по имеющимся данным определить нельзя.

LLMWriter-8B — дообученная Aldenir Flauzino модель семейства Llama 3.1, предназначенная для помощи в письме и генерации текстов. Она создана на базе unsloth/Llama-3.1-8B методом LoRA с использованием Unsloth и Hugging Face TRL и содержит около 7,5 млрд параметров. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. В карточке указаны английский язык и лицензия Apache 2.0. Модель ориентирована на создание статей и публикаций, подготовку технических текстов и документации, выполнение инструкций и формирование структурированных ответов. Дообучение проводилось на наборе из более чем 10 тысяч примеров инструкций. Автор сообщает о снижении функции потерь в ходе обучения, но не приводит оценок на стандартных бенчмарках. Модель может выдавать фактические ошибки, поэтому результаты следует проверять перед публикацией. Качество зависит от формулировки запроса и сложности задачи; модель не предназначена для юридических, медицинских или финансовых консультаций.

cloudyu/mistral_18B_v0.1 — предварительно обученная плотная языковая модель семейства Mistral, опубликованная пользователем cloudyu. Она предназначена для генерации текста и может применяться для продолжения заданного текста и построения текстовых ответов. Модель содержит 17,6 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. В репозитории представлены веса в формате safetensors. Лицензия указана как CC, без уточнения её варианта.

mncai/mistral-7b-v5 — языковая модель MindsAndCompany на архитектуре Mistral, основанная на mistral-7b. Согласно карточке, модель прошла инструкционное дообучение и оптимизацию DPO. Она предназначена для генерации ответов на инструкции и диалоговых сценариев; в примере из карточки пользователь задаёт вопрос на корейском языке и просит объяснить решение. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст. Указанная длина контекста — 32 768 токенов. В метаданных отмечен английский язык; пример также демонстрирует ввод на корейском, но этого недостаточно, чтобы считать корейский заявленным поддерживаемым языком. Модель может быть полезна для прототипов бизнес-чатботов и ассистентов, упомянутых разработчиком. Лицензия указана как llama2; перед использованием следует проверить её условия для конкретного сценария.

MixtureofMerges-MoE-2x7b-SLERPv0.9 — языковая модель для генерации текста, созданная jsfs11 с помощью LazyMergekit. Это слияние методом SLERP моделей jsfs11/MixtureofMerges-MoE-2x7b-v7 и jsfs11/MixtureofMerges-MoE-2x7bRP-v8. Модель построена на архитектуре Mixtral с разреженной экспертной структурой MoE и содержит 7,1 млрд параметров. Модель предназначена для генерации продолжений и ответов на текстовые запросы. Метаданные указывают контекст до 32 768 токенов. В README приведены результаты оценки на бенчмарках AI2 Reasoning Challenge и HellaSwag, но языки и специализированные области применения не заявлены. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

zelk12/MT1-BB-gemma-2-RIv0.1RAt0.25v0.1-9B — слитая модель на архитектуре Gemma 2, созданная разработчиком zelk12 с помощью mergekit и метода SLERP. Она объединяет zelk12/recoilme-gemma-2-Ifable-9B-v0.1 и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25; в конфигурации базовой указана первая модель, а параметр смешивания t равен 0,5. Модель содержит 9 млрд параметров, рассчитана на диалоговую генерацию текста и работу через Transformers. Контекст — до 8192 токенов. Подходит для ведения беседы, выполнения инструкций и творческой генерации текста; более конкретная специализация в карточке не описана. Это производная модель, сохранённая в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

zelk12/MT3-Gen5-MMGBMU-gemma-2-9B_v1 — слияние двух предварительно обученных языковых моделей zelk12/MT3-Gen5-BMU-gemma-2-9B_v1 и zelk12/MT3-Gen5-MMG-gemma-2-9B_v1, созданное автором с помощью mergekit методом SLERP. Модель построена на архитектуре Gemma 2 с плотной causal language model на 9 млрд параметров; веса представлены в safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. Сведения о языках, на которых модель специально обучалась, в доступных источниках отсутствуют, поэтому её языковой охват нельзя надёжно конкретизировать. Лицензия и специальные ограничения использования в README и предоставленных метаданных не приведены. Качество, устойчивость ответов и сравнительные преимущества слияния отдельно не описаны.

nyun-c2-llama3-61B — плотная авторегрессионная языковая модель семейства Llama 3, разработанная Nyun AI. Она содержит 76,2 млрд параметров и рассчитана на генерацию текста с контекстом до 8 192 токенов. Модель предназначена для генерации и продолжения текста, диалоговых сценариев и задач на понимание языка. В README авторы сообщают, что модель получена оптимизацией без дополнительного дообучения и показывает результаты выше Llama 3 70B в нескольких приведённых бенчмарках, хотя уступает ей в MMLU. Файлы опубликованы в формате safetensors. Для использования действует лицензия Llama 3. Русский язык и специализированные предметные области в предоставленных источниках не заявлены.

Это полноразмерный объединённый чекпойнт Qwen2.5-3B-Instruct, дообученный и опубликованный gradients-io-tournaments. Модель построена на архитектуре Qwen2ForCausalLM и содержит около 3,1 млрд параметров; веса представлены в формате safetensors, точность — bfloat16. Контекстное окно составляет 32 768 токенов. Модель предназначена для диалогов, выполнения инструкций и генерации текста. Её можно использовать для создания ответов, черновиков и структурированного текста в приложениях на базе Transformers. В карточке не описаны конкретная специализация дообучения, используемые языки или оценка качества, поэтому назначение за пределами общего текстового общения не уточняется. Лицензия в предоставленных данных не указана.

Qwen3.8-27B-Fast60L-Voodoo-GGUF — это созданная Valexiem модификация Qwen 3.8 27B: гибридная модель с gated DeltaNet и слоями полного внимания, сокращённая до 60 слоёв, с обрезанным словарём и динамической поканальной квантизацией. Основной вариант содержит 24,163 млрд параметров и занимает 5,59 GiB; модель распространяется в формате GGUF и рассчитана на локальный запуск и диалоговое применение. Лицензия — Apache-2.0. Модель предназначена для диалога и поиска по контексту. Автор сообщает о скорости около 51 токена в секунду на RTX 4070 с 12 ГБ видеопамяти при тесте на малой глубине контекста. Обрезка словаря удаляет 118 300 неиспользуемых мультиязычных токенов; карточка заявляет, что этот этап не меняет жадную генерацию относительно соответствующего не обрезанного варианта. Метаданные указывают английский язык. Существенное ограничение — модель не подходит для синтеза кода: в приведённой оценке исполняемого кода она набрала 2 из 4 против 4 из 4 у базового варианта. Возможны циклы повторов при кратких инструкциях, а скорость генерации заметно падает при длинном контексте: примерно до 21,5 токена в секунду на 128k и 9,3 на 256k. Приведённые скорости относятся к конкретной конфигурации оборудования и теста.

Qwenvergence-14B-v12-Prose-DS — объединённая языковая модель на 14 млрд параметров, созданная sometimesanotion с помощью mergekit и метода Model Stock. В качестве базовой модели для слияния указана sometimesanotion/Base-Chocolatine-2-14B-Instruct-v2.0b3; в объединение также вошли несколько моделей на базе Qwen2.5 и их производных. Модель предназначена для диалогов и генерации текста. Она использует архитектуру Qwen2 с плотной трансформерной сетью, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors для Transformers. Карточка не уточняет отдельные языки или специализированные прикладные области. Лицензия в предоставленных данных не указана. Составное слияние нескольких моделей может влиять на стиль и поведение ответов; конкретные ограничения качества в карточке не описаны.

Многоязычная модель классификации тональности clapAI/roberta-base-multilingual-sentiment, разработанная на базе FacebookAI/xlm-roberta-base и дообученная на датасете clapAI/MultiLingualSentiment. Она определяет тональность текста, например отзывов о товарах и местах, и подходит для анализа пользовательских мнений на разных языках. Модель построена на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров. Она поддерживает более 16 языков, включая английский, русский, китайский, вьетнамский, французский, испанский, португальский, немецкий, итальянский, японский, корейский и арабский; длина контекста — 514 токенов. В README приведена оценка F1 81,8 на тестовой части указанного датасета. Модель принимает текст и выдаёт метки классов тональности. Для работы используется библиотека Transformers, веса доступны в формате safetensors. Лицензия — Apache-2.0. Оценка в README относится к конкретному тестовому датасету и не гарантирует такие же результаты на других типах текстов или языках.

Sailor2-20B-Chat-GGUF — квантованная версия чат-модели Sailor2-20B-Chat, разработанной командой Sail. Конвертацию и квантование в формат GGUF выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для диалоговой генерации текста, ответов на инструкции и многоязычных сценариев, включая вопросы и инструкции на английском, китайском, индонезийском, тайском, вьетнамском, малайском, лаосском, бирманском, яванском, кхмерском, сунданском и тагальском языках. Модель имеет 20B параметров и поддерживает текстовый ввод и вывод; сведения об исходной архитектуре и размере контекстного окна в README не указаны. Доступно множество вариантов квантования — от F16 и Q8_0 до более компактных Q3 и IQ3/IQ4, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Для работы рекомендуется формат prompt с маркерами ролей im_start и im_end; файлы предназначены, в частности, для запуска через llama.cpp и LM Studio. Основные сильные стороны — многоязычная специализация, широкий выбор уровней квантования и возможность локального запуска. Более агрессивное квантование уменьшает требования к памяти, но может снижать качество ответов; полная версия F16 занимает около 38,35 ГБ, а рекомендуемые варианты Q4–Q6 — примерно от 11 до 16 ГБ. Модель распространяется по лицензии Apache-2.0.

Shuttle-2.5-mini — языковая модель компании ShuttleAI Inc., созданная дообучением Mistral-Nemo-Base-2407. Модель построена на плотной архитектуре Mistral с 12,1 млрд параметров по метаданным; в README указано 13 млрд. Она предназначена для сложного диалога, многоязычного общения, рассуждений, ролевых сценариев и агентных задач. Поддерживает чат и использует формат запросов ChatML. Модель доступна в формате Safetensors и распространяется по лицензии Apache 2.0. README указывает контекстное окно базовой модели 128 тысяч токенов, тогда как метаданные каталога приводят 1 024 000 токенов нативного контекста; это расхождение требует проверки перед использованием длинного контекста. Shuttle-2.5-mini обозначена как бета-версия; заявленные многоязычные и агентные возможности описаны без подробных результатов оценки.

Socrates Llama 3 8B SFT — дообученная SocratesFT модель на архитектуре Llama 3, основанная на meta-llama/Meta-Llama-3-8B-Instruct. Она предназначена для генерации текста и диалоговых ответов на английском языке; в метаданных также заявлена поддержка следования инструкциям. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель подготовлена на наборе данных socratesft/SocSci210. Доступна в формате safetensors для использования с Transformers. Лицензия — llama3; применяются условия лицензии Meta Llama 3.

Starling-LM-11B-alpha — языковая модель семейства Mistral, разработанная Banghua Zhu, Evan Frick, Tianhao Wu, Hanlin Zhu и Jiantao Jiao. В карточке описана версия Starling-LM-alpha, дообученная с помощью RLHF/RLAIF на основе OpenChat 3.5; метаданные этого репозитория указывают архитектуру MistralForCausalLM и 10,6 млрд параметров. Модель предназначена для диалогов и генерации текста. В обучении использованы датасет предпочтений Nectar, reward model Starling-RM и метод оптимизации политики APA. Карточка приводит результаты бенчмарков MT-Bench, AlpacaEval и MMLU, но эти оценки не гарантируют качество в конкретных задачах. Модель поддерживает английский язык и контекст до 32 769 токенов; для диалога следует применять шаблон OpenChat 3.5. Иногда ответы могут быть чрезмерно подробными. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Карточка README называется Starling-LM-7B-alpha и описывает 7B-вариант, тогда как идентификатор и метаданные относятся к 11B-модели; поэтому сведения о дообучении и инструкциях из README следует считать относящимися к семейству, а не подтверждёнными специфически для 11B-чекпойнта.

MaziyarPanahi/T3qm7xNeuralsirkrishna_Inex12Experiment28 — объединённая модель для генерации текста и диалогов. В README указано, что она объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/Inex12Experiment28-7B; архитектура — плотная Mistral с 7,1 млрд параметров. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В метаданных указана лицензия Apache-2.0. Сведения о целевых языках и специализированных областях применения отсутствуют; ограничения качества в карточке не описаны.

Tess-3-Mistral-Nemo-12B — универсальная большая языковая модель из серии Tess, созданной Migel Tissera; вычислительные ресурсы для её разработки предоставила KindoAI. Это плотная авторегрессионная модель архитектуры Mistral на 12,1 млрд параметров, рассчитанная на диалог и генерацию текста. В метаданных указан контекст до 1 024 000 токенов, а веса доступны в формате safetensors. Модель подходит для общения с пользователем и генерации текста общего назначения. В README приведены результаты Open LLM Leaderboard: средний показатель 16,54, IFEval (0-shot) — 33,55, BBH (3-shot) — 28,04; эти оценки дают ориентир по отдельным тестам, но не гарантируют качество в конкретном сценарии. README не уточняет поддерживаемые языки и дополнительные ограничения применения. Лицензия — Apache-2.0.

Tinyllama-moe3 (Dopey-karasu-MoE3) — языковая модель семейства TinyLlama, созданная как смесь экспертов (MoE) с помощью LazyMergekit на основе vihangd/DopeyTinyLlama-1.1B-v1 и Tensoic/TinyLlama-1.1B-3T-openhermes. Модель предназначена для диалоговой генерации текста и может использоваться как чат-ассистент для ответов, объяснений, инструкций, рассуждений и кратких изложений. Архитектура — MixtralForCausalLM с MoE; заявленный общий размер — около 1 млрд параметров, контекст — 2048 токенов. Репозиторий содержит веса в формате safetensors. В карточке не перечислены конкретные языки, поэтому языковую поддержку нельзя уточнить. Модель распространяется по лицензии Apache-2.0.

bullerwins/translategemma-4b-it-GGUF — GGUF-версия TranslateGemma 4B Instruct, разработанная Google Translate на основе семейства Gemma 3. Модель предназначена для перевода текста между 55 языками, а также для извлечения текста с изображений и его перевода. Благодаря относительно небольшому размеру она ориентирована на запуск на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре с ограниченными ресурсами. Модель поддерживает текстовые и визуальные входные данные: изображения нормализуются до разрешения 896×896 и кодируются в 256 токенов, общий входной контекст составляет 2K токенов. Для работы требуется специальный шаблон чата с ролями User и Assistant, указанием исходного и целевого языка в кодах ISO 639-1 или регионализированном формате. Сильными сторонами являются поддержка широкого набора языков, мультимодальный перевод и компактность. Ограничения включают фиксированный контекст, необходимость соблюдения формата входных сообщений и отсутствие в предоставленных данных подробностей о качестве, требованиях к памяти и характеристиках GGUF-квантизации. Модель распространяется по лицензии Gemma; для доступа на Hugging Face требуется принять условия использования Google.

TurdusTrixBeagle-DARETIES-7B — текстовая авторегрессионная модель на архитектуре Mistral, созданная слиянием udkai/Turdus, CultriX/MergeTrix-7B-v2 и mlabonne/NeuralBeagle14-7B методом DARE-TIES с помощью LazyMergekit. В конфигурации указан Mistral-7B-v0.1 как базовая модель; размер итоговой модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста, диалогов и ответов на инструкции, а также для задач рассуждения и творческого письма. В README приведены результаты Open LLM Leaderboard: средняя оценка 75,20, включая 73,46 на AI2 Reasoning Challenge и 88,61 на HellaSwag. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Языки и специализированные прикладные области в доступных материалах не обозначены.

TW3-JRGL-v2 — языковая модель на архитектуре Llama, созданная студентами инженерной школы ECE Луи Гарсией и Матьё Жолларом под руководством преподавателя Андре-Луи Роше и технического директора TW3 Partners Поля Леметра. Модель получена слиянием моделей davidkim205/Rhea-72b-v0.5 и MTSAIR/MultiVerse_70B с помощью mergekit. Модель содержит 71 млрд параметров, принимает текст и генерирует текст, имеет контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев общего назначения. В карточке не приведены специальные сведения о языках и отдельных прикладных областях. Модель опубликована в формате safetensors под лицензией Apache 2.0. Карточка не описывает результаты сравнительных оценок или конкретные ограничения качества.

Карточка модели aoiandroid/ultravox-v0_5-llama-3_2-1b на Hugging Face совпадает с карточкой fixie-ai/ultravox-v0_5-llama-3_2-1b, поэтому описание составлено по ней. Ultravox — мультимодальная речевая языковая модель от Fixie.ai, объединяющая аудиовход с текстовой моделью Llama 3.2-1B-Instruct и Whisper large-v3-turbo. Она принимает речь и текст, например текстовую системную инструкцию и аудиосообщение пользователя, а ответ генерирует в текстовом виде. Модель предназначена для голосовых агентов, анализа устной речи и перевода речи между языками. В README указана версия Ultravox 0.5 с обозначением 1B; метаданные каталога указывают 4,8 млрд параметров. Модель построена на архитектуре Ultravox и поддерживает аудиовход, чат и интерфейс вызова инструментов. Для обучения использовались наборы данных распознавания речи и речевого перевода, а также продолжения, сгенерированные Llama 3.1 8B. Метаданные перечисляют широкий набор языков, включая русский; конкретные языки карточки охватывают более узкий перечень. Модель выдаёт текст и не генерирует аудио. В README отмечено, что к этой версии не применялась настройка предпочтений; качество перевода может зависеть от языковой пары и ограниченности модели версии 1B. Лицензия — MIT.

YamshadowInex12_Strangemerges_30Pastiche — слитая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/Strangemerges_30Pastiche-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса доступны в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. В карточке не описаны языковая специализация и результаты оценки качества.

cloudyu/Yi-34Bx2-MoE-60B — разговорная языковая модель на основе Yi, опубликованная cloudyu. Она использует архитектуру Mixtral с разреженной смесью экспертов (MoE); в карточке указано 33,9 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия на английском и китайском языках. Автор описывает её как MoE-вариант 2×34B, основанный на jondurbin/bagel-dpo-34b-v0.2 и SUSTech/SUS-Chat-34B. Для модели заявлен контекст до 200 000 токенов. В карточке приведены результаты Open LLM Leaderboard со средним баллом 76,72, включая оценки по задачам рассуждения и commonsense. Модель распространяется в формате safetensors и под лицензией Apache-2.0. Её можно применять для диалогов и генерации текста; для развёртывания следует учитывать требования MoE-модели с большим числом параметров. Заявленные результаты бенчмарка не гарантируют качество на конкретных пользовательских задачах.

Zara 14b v1.2 — диалоговая языковая модель Aixon Lab на архитектуре Transformer с причинной генерацией текста и примерно 14 млрд параметров. В метаданных указана архитектура Qwen2 и контекст до 131 072 токенов; модель распространяется в формате safetensors по лицензии Apache 2.0. Модель дообучена на основе aixonlab/Zara-14b-v1.1 и предназначена для многоходового общения, генерации текста, ответов на вопросы, анализа, творческого письма и сторителлинга. Карточка выделяет работу с контекстом и диалогами с несколькими ролями. Основной язык — английский; README допускает поддержку других языков, но не уточняет их. Автор не приводит метрик оценки. Модель может наследовать смещения и ограничения обучающих данных и исходных моделей, поэтому результаты следует проверять. В README также сказано, что при создании использовались разные датасеты и слияния слоёв, однако отдельное слияние не подтверждено метаданными происхождения.

BLOSSOM-v3-baichuan2-7b — диалоговая языковая модель, разработанная на основе Baichuan2-7B-Base и дообученная методом instruction fine-tuning на смешанных наборах Blossom Orca, Wizard, Chat и Math. Обучение проходило в два этапа: сначала на одноходовых инструкциях Orca и Wizard, затем на данных математических рассуждений и многоходовых диалогов. Модель предназначена для генерации ответов в диалоге, следования инструкциям, понимания контекста беседы и решения математических задач. Она принимает текст и выдаёт текст; README показывает шаблон общения на китайском языке, а метаданные указывают поддержку китайского и английского. Архитектура — плотная Baichuan, 7 млрд параметров, контекст до 4096 токенов. Модель доступна под лицензией Apache-2.0. Для многоходового общения требуется соблюдать указанный в README формат диалога и завершать ответы Bot токеном </s>.

Модель yangheng/deberta-v3-base-end2end-absa разработана на основе microsoft/deberta-v3-base и дообучена для сквозного анализа тональности по аспектам. Она совместно выделяет в тексте аспекты и определяет тональность каждого аспекта одной головой классификации токенов, используя метки в формате IOB с категориями Positive, Negative и Neutral. Результаты включают символьные границы найденных фрагментов исходного текста. Модель построена на архитектуре DeBERTa-v3-base, содержит 211,6 млн параметров и принимает текст с контекстом до 512 токенов. Карточка указывает поддержку английского и китайского языков. Модель подходит для анализа отзывов и других текстов, где нужно связать оценку с конкретным аспектом продукта или услуги. Распространяется по лицензии MIT. Длинные входы обрезаются до предельной длины последовательности. Схема тональности ограничена положительной, отрицательной и нейтральной категориями; для дополнительных категорий модель нужно переобучить.