III.4Клиентская поддержка и customer success

Riazi-8B-CPT — дообученная языковая модель, опубликованная azherali на базе unsloth/Qwen3-8B. Она предназначена для генерации текста и диалогов; карточка также отмечает поддержку чата. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. В метаданных указан английский язык, но специализация CPT в README не раскрыта, поэтому конкретные прикладные сценарии и языковые преимущества подтвердить нельзя. Модель распространяется по лицензии Apache-2.0.

Модель Hidden-States/roberta-base-goemotions разработана Subinoy Bera и Arnab Karmakar и дообучена на базе RoBERTa-base для многометочной классификации эмоций в англоязычном тексте. Она предсказывает категории таксономии GoEmotions: 27 эмоций и нейтральную метку. Гибридная цель обучения сочетает контрастивное обучение на сходстве с классификационной функцией потерь; размер модели — 151,8 млн параметров, контекст — до 514 токенов. Модель предназначена для анализа коротких и средних текстов: публикаций в соцсетях, комментариев, обсуждений, отзывов и реплик диалога. Её можно запускать локально, в том числе на CPU; для текстового анализа она выдаёт оценки по категориям эмоций. В README приведены Macro-F1 0,56 и Micro-F1 0,62 на тестовой выборке GoEmotions. Модель поддерживает английский язык и распространяется по лицензии Apache-2.0. Она не предназначена для мультиязычных или мультимодальных данных и не предсказывает эмоции за пределами 28 категорий GoEmotions. Результаты могут отражать смещения датасета и субъективность разметки; модель не проверена для критически важных применений, а её предсказания следует считать приблизительными сигналами.

Карточка модели sail/Sailor2-14B на Hugging Face совпадает с карточкой sail/Sailor2-1B-Chat, поэтому описание составлено по ней. Sailor2-1B-Chat — чат-модель сообщества Sailor2 для генерации текста на языках Юго-Восточной Азии и других языках региона. Она основана на Sailor2-1B, дообученной версии Qwen2.5, и использует плотную архитектуру Qwen2. Объём модели составляет 851,8 млн параметров, формат весов — safetensors, длина контекста — 4096 токенов. Модель предназначена для диалогов и выполнения инструкций, включая специализированные сценарии и использование в спекулятивном декодировании. В проекте Sailor2 модели непрерывно предварительно обучались на 500 млрд токенов для поддержки 15 языков: английского, китайского, бирманского, себуанского, илоканского, индонезийского, яванского, кхмерского, лаосского, малайского, сунданского, тагальского, тайского, вьетнамского и варайского. Компактный размер упрощает применение при ограниченных вычислительных ресурсах, но возможностей модели может быть недостаточно для сложных задач по сравнению с более крупными вариантами Sailor2. Модель выпущена под лицензией Apache 2.0. Для загрузки автор рекомендует Transformers версии 4.46.3.

SeaLLM-7B-v1 — первая версия семейства SeaLLMs, языковая модель на архитектуре Llama с 7 млрд параметров, разработанная для работы с языками Юго-Восточной Азии. Она предназначена для диалогов и генерации текста; для запуска подходит кодовая база Llama 2, а запросы следует оформлять в формате инструкций, предусмотренном для чат-модели. README сообщает о поддержке вьетнамского, индонезийского, тайского, малайского, кхмерского, лаосского, тагальского и бирманского языков; английский и китайский также присутствуют в тегах метаданных. Модель выпущена в формате safetensors. Авторы отмечают, что SeaLLM-7B-v1 заметно уступает SeaLLM-7B-v2 и рекомендуют использовать более новую версию. При генерации возможны неточные, вводящие в заблуждение или вредоносные ответы. Использование весов, кода и демо регулируется условиями SeaLLMs Terms Of Use.

sentiment-versioning-demo — дообученная Gwennji модель на базе distilbert/distilbert-base-uncased для классификации текста. В метаданных указаны архитектура DistilBertForSequenceClassification, библиотека Transformers, формат safetensors и контекст до 512 токенов. Модель подходит для применения в задачах текстовой классификации. README не описывает обучающую выборку, метки классов, результаты оценки или конкретные сценарии, поэтому специализацию на анализе тональности подтвердить нельзя. Лицензия — Apache-2.0.

SkyTextTiny — авторегрессионная языковая модель семейства GPT-2, представленная компанией 奇点智源 (Singularity-AI) как китайская предварительно обученная GPT-3-модель. В карточке указано около 3 млрд параметров; модель принимает текст и предназначена для генерации текста, диалога, ответов на вопросы и перевода между китайским и английским языками. Контекст составляет 2048 токенов. Разработчик сообщает о многоэтапной очистке обучающих данных и специально оптимизированном для китайского языка кодировании. Репозиторий содержит веса PyTorch, модель опубликована под лицензией MIT. Карточка не приводит количественных оценок качества и подробностей о данных обучения; результаты для задач, кроме генерации текста, могут зависеть от формата запроса.

Карточка модели KIEFERSA/Sophea-Nemo-3.5-Lightning-v1 на Hugging Face совпадает с карточкой ayoubkirouane/Sophea-Nemo-3.5-Lightning-v1, поэтому описание составлено по ней. Sophea-Nemo-3.5-Lightning-v1 — модель Kiefer SA (Sophea AI Lab, Афины), дообученная на базе nvidia/Nemotron-3.5-Lightning-30B-A3B для рассуждений на греческом и английском языках. Это гибридная архитектура Nemotron с Mamba и MoE; базовая модель содержит 31,6 млрд параметров, из которых активно используются 3,58 млрд. Модель поддерживает генерацию текста и диалоговый режим, длина контекста составляет 262 144 токена. Модель предназначена для ответов с рассуждениями на языке исходного вопроса, особенно на греческом, а также для двуязычных задач на греческом и английском. Режим рассуждений передаёт ход решения в специальных блоках; прямой режим выдаёт ответ без незапрошенных следов рассуждения. В README сообщается о повышении греческих результатов относительно базы и небольшом снижении английских, а также о сохранении общих двуязычных навыков в проверенных тестах. Модель не следует использовать там, где требуется принудительно вести рассуждения на английском для греческих вопросов. Возможности в критически важных, юридических и медицинских сценариях не оценивались; качество логических задач ограничено. Лицензия — Apache-2.0.

SuperFlammen-4x7B — экспериментальная языковая модель семейства Mixtral с архитектурой Mixture of Experts, созданная nbeerbower с помощью mergekit. В метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов; модель предназначена для генерации текста и диалоговых сценариев. Модель объединяет несколько моделей Flammen и Mistral, а в тегах карточки также перечислены наборы данных для обучения предпочтениям, включая датасеты по математике, достоверности и художественным текстам. Это может быть полезно для генерации прозы и ответов на вопросы, однако README называет модель экспериментальной и не приводит результатов оценки качества. Лицензия — Apache 2.0.

T3Q-LLM/T3Q-LLM2-sft1.6 — разговорная языковая модель семейства Llama, представленная в формате Transformers и распространяемая с весами safetensors. По метаданным, модель содержит 10,6 млрд параметров, имеет контекст длиной 4096 токенов и поддерживает генерацию текста в диалоговом режиме. В карточке приведены результаты отдельных тестов понимания корейского языка, включая KoBEST BoolQ и COPA. Модель подходит для генерации ответов в чате, диалоговых сценариев и других задач генерации текста. Результаты тестов указывают на оценку некоторых задач на корейском языке, но карточка не описывает полный список поддерживаемых языков и область обучения. Разработчик, базовая модель, лицензия и условия использования в доступной карточке не установлены.

NlpHUST/t5-vi-en-base — модель машинного перевода вьетнамского и английского языков на архитектуре T5. Разработчики обучили её на 4 млн пар предложений на английском и вьетнамском языках. Модель содержит около 291,2 млн параметров и доступна в форматах PyTorch и Flax. Модель предназначена для перевода текста между вьетнамским и английским языками. Её можно применять для перевода предложений и текстовых фрагментов в обе стороны. Для использования доступны реализации на базе Transformers. В карточке не указаны длина контекста и лицензия; условия распространения следует проверить отдельно. Качество может зависеть от тематики и длины входного текста.

thorn-0.5 — объединённая авторегрессионная языковая модель, созданная с помощью mergekit методом SLERP из anthracite-org/magnum-12b-v2 и Fizzarolli/MN-12b-Rosier-v1. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 12,1 млрд параметров; репозиторий содержит веса в формате safetensors, а для работы используется библиотека Transformers. Модель предназначена для генерации текста в диалоговом формате. Карточка описывает её как часть серии MN-12B-Guns and Roses, но не приводит подробных результатов оценки или точного описания сценариев. Каталог указывает окно контекста до 1 024 000 токенов. В описании базовой модели отмечена генерация историй по заголовку и тегам, включая откровенный контент; эти сведения не подтверждены в README для thorn-0.5 напрямую. Лицензия в предоставленных данных не указана.

WindyTranslate/translate-de-it — модель машинного перевода от Windstorm Labs для перевода текста с немецкого на итальянский. Она основана на Helsinki-NLP/opus-mt-de-it: LoRA-дообучение на параллельных корпусах было объединено с базовыми весами. Модель MarianMT содержит 55,8 млн параметров, использует формат safetensors и поддерживает контекст до 512 токенов. Модель предназначена для перевода в одном направлении — с немецкого на итальянский. В проверке на 48 предложениях FLORES-200 dev получила chrF++ 52,31 и BLEU 27,63; это скрининговая оценка, а не результат публикационного исследования. Доступна под лицензией Apache-2.0.

WindyTranslate/translate-en-uk — модель машинного перевода Windstorm Labs, дообученная на параллельном корпусе OPUS-100 на основе Helsinki-NLP/opus-mt-en-uk. Она переводит текст с английского на украинский и подходит для автоматического перевода фраз и документов. Модель построена на архитектуре MarianMT, содержит 56,7 млн параметров, принимает текст и работает с контекстом до 512 токенов. Репозиторий содержит веса в формате safetensors для Transformers. В README приведена оценка FLORES-200 dev на 48 предложениях: chrF++ 41,49 и BLEU 16,48; авторы относят результат к уровню «Usable» и подчёркивают, что это предварительная проверка, а не публикационный результат. Поддерживается только направление с английского на украинский, поэтому качество на других направлениях не заявлено. Модель распространяется по лицензии Apache-2.0.

ICEPVP8977/Uncensored_llama_3.2_3b_safetensors — текстовая генеративная модель семейства Llama, представленная в формате safetensors. По названию репозитория она основана на Llama 3.2 3B и позиционируется как менее ограниченная версия, сохраняющая уважительный тон общения без чрезмерной цензуры. Разработчик в README не назван. Модель предназначена для генерации текста и диалоговых ответов на английском языке. Размер модели составляет 3,2 млрд параметров, архитектура — плотная авторегрессионная LlamaForCausalLM; заявленная длина контекста — 131 072 токена. README содержит инструкцию по загрузке весов через Hugging Face Hub. Данных о лицензии и результатах оценки качества в предоставленных материалах нет, поэтому условия использования и фактическую степень ограничений по ним определить нельзя. Перед применением следует проверить лицензию и поведение модели на целевых сценариях.

SaketR1/uncertainty-sft-mix-clear-corr-amb-balanced — дообученная с помощью TRL модель на базе Qwen/Qwen3.5-2B, опубликованная SaketR1. Это мультимодальная модель семейства Qwen с плотной архитектурой и 2 млрд параметров, предназначенная для диалогов и понимания изображений. Карточка демонстрирует генерацию ответа на вопрос в формате чата; название модели указывает на обучение для работы с ясными, противоречивыми и неоднозначными запросами, однако подробности обучающей смеси не приведены. Модель принимает текст и изображения и генерирует текст. Для запуска в README показан Transformers pipeline; веса доступны в формате safetensors. Карточка не сообщает лицензию и не описывает результаты оценки качества, поэтому условия использования и эффективность на конкретных задачах по этим данным определить нельзя.

Модель Wav2Vec2-XLS-R-300M-EN-15 разработана Facebook и предназначена для перевода устной английской речи в письменный текст на одном из 15 языков: немецком, турецком, персидском, шведском, монгольском, китайском, валлийском, каталанском, словенском, эстонском, индонезийском, арабском, тамильском, латышском или японском. Это модель типа SpeechEncoderDecoderModel: энкодер основан на facebook/wav2vec2-xls-r-300m, а декодер — на facebook/mbart-large-50; модель дообучена на парах переводов из датасета CoVoST 2. Она принимает аудио на английском и генерирует текст перевода. В метаданных основная задача обозначена как automatic-speech-recognition, однако README описывает именно перевод речи. Модель распространяется под лицензией Apache-2.0. Ее назначение ограничено переводом с английского на перечисленные языки; сведения о точности в карточке не приведены.

dokyoungkim/wmt19-finetuned-it-de-to-en-3 — дообученная модель семейства FSMT для машинного перевода с итальянского и немецкого на английский. Она содержит 100,7 млн параметров, принимает текст и выдаёт текст; длина контекста — до 1024 токенов. В README указаны результаты оценки: BLEU 47,4497 и loss 0,1299. Модель подходит для перевода текстов с итальянского или немецкого на английский. Она создана дообучением dokyoungkim/wmt19-finetuned-it-de-to-en-2 на датасете, который в карточке не раскрыт. Лицензия — Apache-2.0. README не приводит дополнительных сведений о сценариях применения или ограничениях качества.

Yejin Korean 3B v2 SFT — модель генерации текста на 3 млрд параметров, разработанная как supervised fine-tuning базовой модели Yejin Korean 3B v2. Она построена на архитектуре Qwen3 с декодером Transformer и предназначена для диалога и выполнения инструкций на корейском языке. Модель обучалась на данных инструкций, многоходовых бесед, ответов на вопросы с опорой на знания, понимания прочитанного и использования инструментов. Модель принимает текст и генерирует текст; максимальная длина последовательности составляет 4096 токенов. В репозитории указаны веса safetensors, а карточка модели распространяет их по лицензии Apache-2.0. Описание не приводит результатов оценивания, поэтому качество в конкретных сценариях может различаться; указанный контекст ограничивает объём входа и ответа.

Yi-Ko-6B-Instruct-v1.0 — корейская инструктивная языковая модель, созданная дообучением beomi/Yi-Ko-6B на наборах KOR-OpenOrca-Platypus-v3, KoAlpaca-v1.1a, ko_wikidata_QA и отобранных примерах AIHub MRC. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 5,9 млрд параметров и контекстом 2048 токенов. Она принимает инструкции в текстовом формате и генерирует текстовые ответы; карточка приводит оценку на нескольких корейских тестах понимания и рассуждения. Модель предназначена прежде всего для диалога по инструкциям, ответов на вопросы и выполнения текстовых запросов на корейском языке. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение. Результаты оценки относятся к указанным тестам и не гарантируют качество для всех запросов; контекст ограничен 2048 токенами.

Nondzu/zephyr-speakleash-007-pl-8192-32-16-0.05 — чат-модель SpeakLeash на архитектуре Mistral, представленная в формате PyTorch и safetensors. Она предназначена для генерации текста и ответов на инструкции в шаблоне Alpaca; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. В README упоминается GGUF, но подробностей о таком варианте нет. Модель поддерживает польский язык, о других языках сведений недостаточно. Лицензия — MIT.

Модель ShenaoZ/0.0001_withdpo_4iters_bs256_4444lr_iter_3 — дообученная версия ShenaoZ/0.0001_withdpo_4iters_bs256_4444lr_iter_2, созданная на обновлённом и исходном наборах данных. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Модель распространяется в формате Safetensors по лицензии MIT. Карточка не приводит подробностей о сценариях применения, оценке качества или ограничениях; возможности и результаты модели сверх генерации текста и чата не подтверждены.

Abin7/3-lang — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом TIES на основе NousResearch/Llama-2-7b-hf. В слияние также вошли ELYZA японская Llama 2, Tamil Llama 7B Instruct и Telugu Llama2 7B Instruct. Это плотная авторегрессионная архитектура Llama с 6,6 млрд параметров, рассчитанная на генерацию текста; нативный контекст составляет 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском, японском, тамильском и телугу, объединяя веса специализированных моделей этих языков. В README указано, что результат сохранён в float16; метаданные указывают формат safetensors. Лицензия в предоставленных данных не указана.

alexmt-gemma4-e4b-sft — модель для перевода между английским и девятью разновидностями разговорного арабского диалекта, дообученная автором репозитория на базе google/gemma-4-E4B-it. Это полное supervised fine-tuning модели Gemma 4 E4B Instruct в формате bf16 на наборе Alexandria; архитектура — плотная Gemma 4, файлы весов сохранены в safetensors. Модель принимает запрос в формате JSON из одного пользовательского сообщения и возвращает перевод в поле translation. Перевод учитывает до трёх предыдущих реплик, предметную область, участников разговора и направление гендерных характеристик говорящего и адресата. Обучение охватывает направления английский → диалектный арабский и диалектный арабский → английский для разновидностей EG, JO, LB, MR, OM, PS, SA, SY и YE. В приведённой автором оценке на публичной тестовой выборке Alexandria модель превзошла базовую Gemma 4 E4B Instruct по spBLEU и chrF++ в обоих направлениях. Результаты ограничены одним seed и одним разбиением обучающих данных; точность передачи особенностей диалекта отдельно не оценивалась. Метрики получены с настройками автора и напрямую не сопоставимы с опубликованными результатами Alexandria или AlexandriaX. Лицензия — CC BY-NC 4.0, предусматривающая некоммерческое использование.

Beetle-FineWeb/beetle-bilingual-l2-50-simultaneous-b2-fineweb-nld-eng — двуязычная авторегрессионная языковая модель из проекта Beetle-FineWeb, созданного для изучения усвоения второго языка и переноса между языками. По названию это модель с нидерландским как L1 и английским как L2, обученная по сценарию B2: сначала только на L1, затем с плавным переходом к смеси 50:50 примерно в середине обучения; доля токенов L2 составляет около 25%. Семейство использует плотный декодер PicoDecoder на базе LLaMA-подобной архитектуры, BPE-токенизатор с общим словарём 50 тыс. токенов и контекст длиной 512 токенов. Стандартный размер PicoDecoder в описании проекта — 125 млн параметров, но в поисковой выдаче репозиторий этой модели обозначен как 0,2 млрд. Модель предназначена для генерации и продолжения текста на нидерландском и английском, а также для исследовательского изучения динамики двуязычного обучения и межъязыкового переноса. Выпущена в формате safetensors и доступна через Transformers. Проект указывает лицензию Apache-2.0. Оценка качества для конкретных пользовательских задач и ограничения в карточке модели не обнаружены.

techthiyanes/Bert_Bahasa_Sentiment — модель классификации последовательностей на архитектуре BERT, предназначенная для анализа тональности текста на языке Bahasa Indonesia. README показывает загрузку модели через Transformers и пример подачи токенизированного текста на вход классификатору. Модель содержит 194,6 млн параметров, поддерживает контекст до 512 токенов и опубликована в форматах PyTorch, TensorFlow и Flax. Модель подходит для определения тональности коротких текстов, например отзывов и сообщений. README не раскрывает набор и значения классов, обучающие данные и оценку качества; эти сведения нельзя уточнить по имеющимся данным. Лицензия в предоставленных метаданных и README не указана.

Модель textattack/bert-base-uncased-yelp-polarity — версия BERT base uncased, дообученная TextAttack для классификации тональности отзывов Yelp на положительные и отрицательные. Она обучена на наборе yelp_polarity в течение пяти эпох; наилучшая точность на проверочной выборке составила около 97%. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает текстовые последовательности длиной до 512 токенов. Модель подходит для определения полярности отзывов и других коротких текстов на английском языке. В README указана максимальная длина последовательности 256 токенов при обучении. Карточка не сообщает условия лицензии.

nisancoskun/bert-finnish-sentiment-analysis-v2 — модель классификации текста на основе BERT, дообученная на TurkuNLP/bert-base-finnish-uncased-v1 с использованием набора данных nisancoskun/finnish_sentiment_data. Она предназначена для определения тональности финскоязычных текстов. На оценочном наборе модель достигла точности 0,9578 при значении loss 0,2362. Модель содержит 151,7 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в форматах PyTorch и safetensors. Лицензия в предоставленных данных не указана.

BERTIN-GPT-J-6B Alpaca — испаноязычная авторегрессионная языковая модель на архитектуре GPT-J, разработанная проектом BERTIN и дообученная на испанском переводе набора Alpaca. Она предназначена для генерации ответов на инструкции и выполнения задач, заданных естественным языком, например, для создания черновиков и ответов на вопросы. Модель имеет около 6 млрд параметров и контекстное окно 2048 токенов; для работы в README приведён пример с Transformers. Модель обучали три эпохи на одном TPUv3-8. В README приведены результаты оценивания на ARC и HellaSwag, однако они не дают полной картины качества для прикладных задач. Лицензия модели — OpenRAIL. README также указывает, что использованный набор данных нельзя применять для создания моделей, конкурирующих с OpenAI.

Bielik-4.5B-v3-Instruct-ungated — разговорная языковая модель семейства Llama, опубликованная adamo1139. Это контрольная точка Bielik 4.5B v3 Instruct в формате BF16 без механизма gating; модель предназначена для генерации текста и диалоговых сценариев. Метаданные указывают 4,7 млрд параметров, контекст до 32 768 токенов и поддержку польского языка. Модель принимает текст и генерирует текст, поэтому её можно использовать для ведения диалогов и других задач генерации на польском языке. Файлы опубликованы в формате safetensors, библиотека — Transformers. Лицензия Apache-2.0 разрешает использование на её условиях. README не приводит результатов оценки качества или более подробных сведений о назначении варианта без gating.

Crimson_Dawn-v0.2 — языковая модель для диалогов, ролевых сценариев и следования инструкциям, созданная Epiculous на базе Mistral-Nemo-Base-2407. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров; она обучена на ChatML и рассчитана на генерацию текста. В обучении использованы данные для ролевых игр и инструкций, а также двухэтапный подход: сначала дообучение на ролевых данных, затем на инструкциях с применением RSLoRA. Модель подходит для ведения ролевых диалогов, продолжения сцен и ответов на запросы в формате чата. В карточке перечислены языки английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский. Репозиторий содержит веса safetensors; автор также упоминает варианты квантования в форматах EXL2 и GGUF. Указана лицензия Apache-2.0.