III.4Клиентская поддержка и customer success

Ateron/Sketch-Cydonia-24B-V1.2 — диалоговая текстовая модель, созданная объединением Sketch-Cydonia V1.1 и ConicCat/Mistral-Small-3.2-AntiRep-24B методом TIES. Она предназначена для генерации текста и ролевых бесед; автор описывает её как очередной шаг по сокращению шаблонных ответов и повторов. Модель построена на архитектуре Mistral с плотной causal language model, содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Репозиторий распространяется под лицензией Apache-2.0. Карточка не приводит оценок качества или результатов тестирования, поэтому заявленное сокращение повторов не подтверждено приведёнными бенчмарками.

Suzume 8B Japanese — диалоговая языковая модель компании Lightblue, дообученная на базе Meta-Llama-3-8B-Instruct для общения на японском языке. Модель содержит около 7,5 млрд параметров, использует архитектуру Llama и поддерживает контекст до 8192 токенов. Модель предназначена для генерации ответов в диалоге на японском языке. Для дообучения использовано более 3000 японских диалогов из нескольких наборов данных. Авторы сообщают о высоких результатах на ряде японских бенчмарков для моделей класса 7–8B, но отмечают, что их мультиязычная модель показала лучший результат на Japanese MT-Bench. Модель принимает текстовые запросы и выдаёт текстовые ответы. В README указана лицензия метаданных «other»; её конкретные условия следует проверить на странице модели перед использованием.

yeye776/t5-large-finetuned-multi_v3 — дообученная модель на базе paust/pko-t5-large, опубликованная в формате PyTorch. Это T5 для преобразования текста в текст с 403,9 млн параметров. Карточка не описывает конкретные задачи модели, обучающие данные или результаты оценки, поэтому её назначение можно определить только в общих чертах: генерация и преобразование текста. Базовая модель — корейская T5 v1.1, предназначенная для генерации и преобразования текста. Репозиторий указывает лицензию CC BY 4.0. Сведения о поддерживаемых языках, контексте и специальных ограничениях дообученной модели в карточке отсутствуют.

CTRL — авторегрессионная причинная трансформерная языковая модель, разработанная Salesforce Research и представленная в работе Nitish Shirish Keskar и соавторов. Она обучена предсказывать следующий токен на корпусе объёмом около 140 ГБ и генерирует текст с учётом управляющего токена, который задаёт домен, стиль, тему или другие параметры генерации. Репозиторий содержит веса PyTorch и TensorFlow; заявленная длина контекста — 50 000 токенов. Модель предназначена для генерации текста при совместной работе с человеком: например, для творческого письма, повторяющихся текстовых задач, форматирования и подготовки маркетинговых материалов. Также её можно дообучать для новых видов текста и использовать в исследованиях генерации и обнаружения синтетического контента. Основной язык — английский; модель также обучалась на немецком, испанском и французском. Лицензия — BSD 3-Clause. Генерации могут содержать стереотипы, вредные высказывания и фактические ошибки; результаты требуют проверки человеком. Разработчики предостерегают от использования модели для нормативных утверждений и генерации без участия человека.

Windstorm Labs публикует модель машинного перевода с чешского на шведский. Это дообученная версия Helsinki-NLP/opus-mt-cs-sv на архитектуре MarianMT с 54,6 млн параметров; LoRA-дообучение на параллельных корпусах объединено с базовыми весами. Модель принимает текст и выдаёт перевод в одном направлении: с чешского на шведский. Контекст составляет 512 токенов. Модель предназначена для перевода предложений и других текстовых фрагментов с чешского языка на шведский. В карточке приведена оценка chrF++ 50,60 и BLEU 22,59 на 48 примерах FLORES-200 dev; это предварительная проверка, а не результат публикационного исследования. Доступна сборка Transformers в формате safetensors. Лицензия — Apache-2.0.

Windstorm Labs выпустила модель машинного перевода с английского на азербайджанский язык. Это дообученная версия Helsinki-NLP/opus-mt-en-az на параллельном корпусе: LoRA-адаптер объединён с базовыми весами, изменены 36 из 254 тензоров. Модель построена на архитектуре MarianMT, содержит 37,1 млн параметров и рассчитана на контекст до 512 токенов. Она загружается через Transformers в формате safetensors и выдаёт перевод на азербайджанском языке. Модель предназначена для перевода текстов с английского на азербайджанский. Её выход проверяли на соответствие заявленному языку, но качество перевода не оценивалось; проверка языка не подтверждает точность или естественность перевода. Поддерживается только одно направление перевода. Лицензия — Apache-2.0.

WindstormTranslate/translate-en-jap — модель машинного перевода от Windstorm Labs для перевода с английского на японский. Это дообученная версия Helsinki-NLP/opus-mt-en-jap на параллельных текстах: LoRA-дообучение объединено с базовыми весами. Модель семейства Marian содержит 48,9 млн параметров, принимает текст и выдаёт текст; доступна в формате safetensors для Transformers. Контекст модели — до 512 токенов. Модель предназначена для перевода отдельных текстов и других сценариев перевода с английского на японский. Качество этой версии не оценивалось бенчмарками, поэтому её пригодность для конкретных задач стоит проверять на собственных примерах. Других языковых направлений она не поддерживает. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с эстонского на английский на архитектуре MarianMT. Это дообученная версия Helsinki-NLP/opus-mt-et-en: LoRA-дообучение на параллельных данных объединено с базовыми весами; изменены 36 из 254 тензоров. Модель содержит 55,3 млн параметров, рассчитана на контекст до 512 токенов и распространяется в формате safetensors для Transformers. Модель предназначена для перевода текстов с эстонского на английский. В карточке приведена скрининговая оценка на 48 предложениях FLORES-200 dev: chrF++ 59,81 и BLEU 32,98; это не результат публикационного исследования и не гарантирует качество на других данных. Модель поддерживает только направление et→en. Лицензия — Apache-2.0.

Translation-GPT — дообученная Dhahlan2000 модель Google mT5-small с 157,4 млн параметров, предназначенная для перевода текста. Она построена на архитектуре MT5ForConditionalGeneration и опубликована в формате TensorFlow под лицензией Apache-2.0. В карточке указаны потери на обучающей и проверочной выборках, но набор данных, языковые пары и качество перевода не описаны. Поэтому область применения и поддерживаемые языки нельзя определить точнее.

TRM-textV3.6 — языковая модель семейства TRM, разработанная summerMC. Это финальная оценочная версия, дообученная на базе summerMC/TRM-textv3.5: автор сообщает о продолжении предобучения на 250 млн токенов и полном SFT на наборе databricks-dolly-15k-ja из 15 тысяч примеров. Модель предназначена для генерации текста и диалоговых сценариев на японском и английском языках. В карточке приведены результаты оценки после SFT на ARC-Easy, HellaSwag и PIQA: нормированная точность составляет соответственно 0,3300, 0,2638 и 0,5539. Модель распространяется в формате safetensors по лицензии Apache-2.0. Размер модели и длина контекста в доступных данных не приведены.

Модель codealchemist01/turkish-sentiment-analysis — дообученная версия dbmdz/bert-base-turkish-cased для классификации тональности текстов на турецком языке. Она относит текст к одному из трёх классов: положительному, отрицательному или нейтральному. Модель использует архитектуру BERT с 137,8 млн параметров и принимает последовательности длиной до 512 токенов. Её обучали на объединённых и очищенных наборах турецких предложений; в README приведены метрики тестирования и более низкий F1 для отрицательного класса, чем для нейтрального и положительного. Лицензия — Apache-2.0.

TweetRoberta_5epochs — дообученная модель классификации последовательностей на основе cardiffnlp/twitter-roberta-base-sentiment. Она предназначена для определения тональности коротких текстов, например публикаций в социальных сетях. Модель построена на архитектуре RoBERTa, содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов. В README приведены результаты оценки: accuracy 0,9452 и F1 0,9454 при loss 0,3387. Набор данных для дообучения не назван, поэтому эти показатели нельзя переносить на другие данные без проверки. Модель опубликована в формате safetensors; условия лицензии в доступных сведениях не приведены.

cardiffnlp/twitter-roberta-base-sentiment-latest — модель Cardiff NLP на архитектуре RoBERTa-base, дообученная для анализа тональности на бенчмарке TweetEval. Базовая RoBERTa обучалась примерно на 124 млн сообщений Twitter за период с января 2018 по декабрь 2021 года; размер модели — 151,8 млн параметров, контекст — до 514 токенов. Модель классифицирует англоязычные тексты, в том числе публикации в социальных сетях, по трём категориям: отрицательная, нейтральная и положительная тональность. Её можно применять для анализа мнений и мониторинга тональности сообщений; доступны веса PyTorch и TensorFlow. Модель предназначена для английского языка и обучена на данных Twitter, поэтому её результаты могут быть менее надёжны на других языках, в иных жанрах текста и вне распределения обучающих данных. Лицензия — CC BY 4.0.

Umbral-v0.4-2 — объединённая языковая модель на архитектуре Llama 3, созданная сообществом mergekit-community методом task arithmetic из трёх моделей: Hastagaras/Jamet-8B-L3-MK.V-Blackroot, Casual-Autopsy/SOVL-MopeyMule-8B и Casual-Autopsy/MopeyMule-Blackroot-8B. Модель содержит 7,5 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов, включая ролевые сценарии и создание историй. Она принимает текстовые запросы и выдаёт текст. Карточка не сообщает конкретные языки или прикладные области. Условия лицензии в предоставленных данных не приведены.

TheHappyDrone/Uoxudo_V2 — это дообученная авторами TheHappyDrone языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она принимает текст и генерирует текст; карточка показывает формат общения с инструкцией и ответом, а также пример перевода с французского на английский. Модель дообучена от TheHappyDrone/Occult_V02 и опубликована в формате PyTorch. Модель предназначена для выполнения текстовых инструкций и генерации ответов, включая перевод. Заявленная длина контекста — 32 768 токенов. В карточке указан английский как язык модели. Лицензия — Apache-2.0. Качество и поддержка других языков или специализированных сценариев в карточке не описаны.

Xing4.0-29B-A4B-Rewrite — модель XingChen-AGI, полученная методом supervised fine-tuning на базе XingChen-AGI/Xing4.0-29B-A4B. Она переписывает разговорные и неструктурированные тексты расшифровок речи в более связный письменный текст. Модель сокращает повторы, при необходимости убирает слова-паразиты и обрывки фраз, исправляет грамматически нарушенные предложения, упорядочивает фразы и делает разговорные выражения естественнее, стараясь не пересказывать и не сжимать исходную информацию. Архитектура — Xing4_0ForCausalLM; базовая модель имеет архитектуру MoE с 29 млрд параметров и 4 млрд активируемых параметров, а общий размер этой модели в метаданных указан как 6,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает китайский язык, имеет контекст длиной до 262 144 токенов и распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

ShenaoZ/0.0_withdpo_4iters_bs256_5102lr_iter_3 — диалоговая языковая модель на архитектуре Mistral, дообученная из ShenaoZ/0.0_withdpo_4iters_bs256_5102lr_iter_2 на обновлённом и исходном датасетах. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Карточка не раскрывает тематику данных, результаты оценки или конкретные сценарии применения, поэтому качество и специализацию модели определить нельзя. Распространяется по лицензии MIT.

Модель ahs95/banglabert-sentiment-analysis разработана на основе csebuetnlp/banglabert и дообучена на наборе SentiGOLD для пятиуровневого анализа тональности текстов на бенгальском языке. Она относит текст к одному из классов: очень негативный, негативный, нейтральный, позитивный или очень позитивный. Модель построена на архитектуре ELECTRA, содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для анализа публикаций в социальных сетях, отзывов о товарах и клиентских комментариев. В README указана поддержка формального и неформального бенгальского текста; перед подачей рекомендуется нормализация с помощью Bangla Normalizer. В тестировании на SentiGOLD заявлены macro F1 0,666 и точность 0,667. Качество может снижаться на текстах со смешением бенгальского и английского языков, а также при сарказме и сильно контекстных выражениях. Для критически важных решений требуется проверка человеком. Лицензия модели — Apache-2.0.

Boto 7B v1.1 — языковая модель lucianosb, дообученная на Mistral 7B для генерации текста на португальском языке. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Для дообучения использован датасет cetacean-ptbr. Модель подходит для генерации ответов и текстов на португальском языке. Ответы обычно многословны и могут быть недостаточно краткими или целенаправленными. В карточке приведены результаты оценки на Open Portuguese LLM Leaderboard; модель может порождать фактические ошибки и стереотипный контент, поэтому её выводы требуют проверки. Лицензия — Apache-2.0.

Chocolatine v1.0 — языковая модель на базе Phi-3-mini-4k-instruct, разработанная Jonathan Pacifico в 2024 году. Это плотная авторегрессионная модель семейства Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов; она доступна в формате Safetensors и предназначена для генерации текста и диалогов. Модель дообучена методом DPO на 12 тысячах пар предпочтений Intel/orca_dpo_pairs, переведённых на французский язык. Она рассчитана на общие задачи, особенно на работу с французским текстом, и также поддерживает английский. Её можно использовать как основу для дальнейшей специализации. Автор сообщает об улучшении общего понимания по сравнению с базовой моделью, в том числе на английском языке. Это демонстрационное дообучение небольшой модели; у неё нет механизмов модерации. В README указана лицензия MIT, тогда как в метаданных Hugging Face указана Apache-2.0.

ChaoticNeutrals/Community_Request-02-12B — слитая диалоговая языковая модель, созданная с помощью mergekit методом Model Stock. В качестве базовой использована Nitral-AI/Captain-Eris_Violet-GRPO-v0.420; в слияние также вошли ещё шесть моделей семейства Mistral Nemo. Модель содержит 12,1 млрд параметров, построена на архитектуре MistralForCausalLM и распространяется в формате safetensors с библиотекой Transformers. Модель предназначена для генерации текста в диалоге и может применяться для ролевых сценариев и художественного письма. Метаданные указывают на контекст до 1 024 000 токенов. Лицензия в предоставленных данных не указана.

alexandrainst/da-sentiment-base — модель DaNLP для определения тональности датских текстов. Она представляет собой BERT, дообученный на предварительно обученной датской модели BERT от BotXO, и классифицирует текст как положительный, нейтральный или отрицательный. Модель предназначена для классификации коротких текстов, в том числе сообщений в социальных сетях; при обучении использовались наборы Twitter Sentiment и EuroParl sentiment 2. Модель имеет около 137,8 млн параметров и принимает последовательности длиной до 512 токенов. Доступны версии для PyTorch, TensorFlow и Safetensors. Лицензия в README указана как CC BY-SA 4.0, а в метаданных Hugging Face — Apache 2.0; сведения о лицензии расходятся, поэтому условия использования следует сверить с репозиторием. Карточка предупреждает о возможных стереотипных и вредных предсказаниях, а также не рекомендует применять модель для создания враждебной или отчуждающей среды.

ELYZA-japanese-Llama-2-fast-MoE-2x7B-v0.1 — японская языковая модель, созданная Aratako объединением через mergekit моделей elyza/ELYZA-japanese-Llama-2-7b-fast и elyza/ELYZA-japanese-Llama-2-7b-fast-instruct. Архитектура — Mixtral MoE для причинной генерации текста; в репозитории указано 6,7 млрд параметров, формат весов safetensors и контекст до 4096 токенов. Модель предназначена для генерации текста и ответов на запросы по-японски. В приведённом одношаговом japanese-mt-bench она получила средний балл 5,1625 против 4,8750 у instruct-базовой модели; результаты различаются по категориям, поэтому оценка не гарантирует превосходства на других задачах. Поддерживается японский язык. Лицензия — Llama 2 Community License, унаследованная от исходных моделей.

EMOVA-Qwen-2.5-7B-HF — мультимодальная модель-ассистент на 7 млрд параметров, разработанная командой EMOVA и основанная на Qwen2.5-7B-Instruct с визуальным энкодером. Она принимает текстовые, визуальные и речевые входы и предназначена для диалога, понимания изображений и речи, а также генерации текстовых и речевых ответов. Для речевого диалога поддерживаются английский и китайский языки, 24 варианта управления голосом: два говорящих, три высоты голоса и четыре эмоции. По данным README, модель показывает высокие результаты в тестах на понимание изображений и речи; карточка приводит оценки для варианта 7B, но подробности контекста и замеров речи здесь не представлены. Репозиторий содержит веса в формате Hugging Face для загрузки через Transformers Auto API. Лицензия — Apache-2.0.

Lvxue/finetuned-mt5-small-10epoch — дообученная модель машинного перевода на базе google/mt5-small, созданная для перевода между румынским и английским языками. Модель использует архитектуру MT5ForConditionalGeneration и содержит 157,4 млн параметров. Модель обучена на наборе данных WMT16 ro-en; для оценочной выборки указано значение loss 1,7274. Она принимает текст и генерирует перевод. Репозиторий содержит веса PyTorch. Лицензия — Apache 2.0.

freewheelin/free-solar-instrunction-v0.3 — языковая модель генерации текста, созданная на основе davidkim205/komt-solar-10.7b-sft-v5. Модель дообучена с помощью TRL Trainer по методу обучения, описанному в статье SOLAR. Она предназначена для генерации текста; заявленные языки — корейский и английский. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 10,7 млрд параметров и поддерживает контекст до 4096 токенов. Модель распространяется в формате safetensors по лицензии MIT. README не приводит оценок качества или подробных сценариев применения, поэтому пригодность для конкретных задач следует проверять отдельно.

Gemini 2.5 Flash-Lite — облегчённая модель рассуждений семейства Gemini 2.5 от Google. Она предназначена для сценариев, где важны низкая задержка, высокая пропускная способность и экономичность; в карточке также заявлено улучшение скорости генерации токенов и производительности. Метаданные каталога относят модель к задаче image-text-to-text, поэтому её можно использовать для обработки запросов с изображениями и текстовыми ответами. В доступных сведениях не приведены размер модели, длина контекста, поддерживаемые языки, лицензия или подробности архитектуры. Также нет конкретных результатов оценки качества: заявления о производительности и скорости приведены без численных показателей.

imtixz/gemma-2-2b-it-sleeper-single-token-roman-empire-poison1pct — дообученная диалоговая модель Google Gemma 2 с плотной архитектурой Gemma2ForCausalLM и 2,7 млрд параметров. Она предназначена для генерации текста; карточка не описывает конкретные сценарии дообучения или набор данных. Модель принимает текст и выдаёт текст, контекст — до 8192 токенов. Базовая Gemma 2 2B IT ориентирована на диалог, ответы на вопросы и суммаризацию на английском языке. Репозиторий использует формат safetensors и лицензию Gemma.

DUETA — компактная текстовая модель для машинного перевода между английским и узбекским языками в обоих направлениях. Она разработана Davron04 и дообучена на базе google/gemma-3-270m; архитектура — декодерный трансформер Gemma 3 с 257 млн параметров. Модель принимает текст с тегами исходного и целевого языка и генерирует перевод. Указанная длина контекста — 32 768 токенов, однако качество снижается на длинных входах, поэтому рекомендуется переводить отдельные предложения или короткие фрагменты. Модель предназначена для перевода с английского на узбекский и с узбекского на английский. Обучение использовало параллельные и инструкционные данные, включая наборы английско-узбекского перевода и данные Wikimedia. Качество может меняться в зависимости от тематики, разговорной речи и редких конструкций; сохранение фактической точности отдельно не оценивалось, поэтому для чувствительных или критически важных текстов нужен человеческий контроль. Лицензия — MIT.

GPT2 Open Instruct v1 — языковая модель семейства GPT-2, дообученная разработчиком vicgalle на наборе данных hakurei/open-instruct-v1 в формате инструкций Alpaca. Она предназначена для генерации текста в ответ на инструкции; для работы рекомендуется оформлять запросы по шаблону Alpaca: «Below is an instruction that describes a task. Write a response that appropriately completes the request.» Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 1024 токена. Репозиторий содержит веса PyTorch и safetensors; лицензия — MIT. Небольшой контекст ограничивает работу с длинными запросами и документами.