III.4Клиентская поддержка и customer success

NordicAlpaca-Finnish-V1-7B — финская инструкционная языковая модель, созданная mpasila путём слияния адаптера NordicAlpaca-Finnish-V1-7B-LoRA с базовой моделью HPLT/gpt-7b-nordic-prerelease. Она предназначена для генерации текста в ответ на инструкции и запросы с контекстом, оформленные в шаблоне Alpaca с инструкциями на финском языке. Модель построена на архитектуре LLaMA, содержит 7 млрд параметров, принимает текст и поддерживает контекст длиной до 4096 токенов. В README приведены результаты оценки на FIN-bench; карточка также указывает на использование набора pinzhenchen/alpaca-cleaned-fi. Модель распространяется по лицензии Apache-2.0. Автор отмечает, что способ слияния LoRA с весами float16 мог быть не оптимальным, что может влиять на качество итоговых весов.

Helsinki-NLP/opus-mt-ar-it — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с арабского на итальянский; архитектура — Transformer на базе MarianMT, около 57,6 млн параметров. Для предварительной обработки используются нормализация и SentencePiece с словарями размером 32k. Нативная длина контекста — 512 токенов. Модель предназначена для перевода арабских текстов на итальянский, в том числе арабских вариантов, перечисленных в карточке: арабского, египетского и магрибских вариантов. В README приведена оценка BLEU 44,2 на тесте Tatoeba ara-it. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-bg-de — модель машинного перевода болгарского языка на немецкий из коллекции OPUS-MT, опубликованной Helsinki-NLP. Это трансформерная модель MarianMT с 56,5 млн параметров; для обработки текста используются нормализация и SentencePiece с словарями размером 32 тыс. токенов. Модель поддерживает перевод в одном направлении: с болгарского на немецкий. В тесте Tatoeba-test.bul.deu указаны оценки BLEU 49,3 и chr-F 0,676. Модель принимает текст и выдаёт перевод на немецкий. Длина контекста — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-el — модель машинного перевода с английского на греческий, разработанная проектом OPUS и представленная организацией Helsinki-NLP. Это модель архитектуры MarianMT на базе Transformer-align, обученная на данных OPUS; для предобработки используются нормализация и SentencePiece. Модель содержит 58,4 млн параметров, поддерживает перевод текста и имеет контекст длиной до 512 токенов. Модель предназначена для перевода английских текстов на греческий, в том числе отдельных фраз и предложений. В README приведён результат BLEU 56,4 и chr-F 0,745 на тестовом наборе Tatoeba.en.el. Веса доступны в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

steve-tong/opus-mt-en-zh-tw — дообученная модель MarianMT, созданная на основе Helsinki-NLP/opus-mt-en-zh. Она предназначена для машинного перевода текста с английского на китайский традиционным письмом. Модель содержит 58,4 млн параметров, работает с текстом и имеет контекстное окно 512 токенов. Модель может использоваться для перевода коротких фрагментов, сообщений и документов с английского на китайский традиционным письмом. В README не приведены сведения о датасете, оценках качества или специальных ограничениях. Лицензия — Apache-2.0.

opus-mt-et-en — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP. Она переводит текст с эстонского языка на английский и построена на архитектуре MarianMT с трансформером; число параметров составляет 55,3 млн, а максимальная длина контекста — 512 токенов. Для нормализации текста и токенизации используется SentencePiece. Модель предназначена для перевода отдельных фраз и текстов, включая новости и короткие пользовательские тексты. В карточке приведены результаты на тестах новостного перевода и Tatoeba: BLEU 30,1–30,3 для новостных наборов и 59,9 для Tatoeba. Это опубликованные значения на конкретных тестах, а не гарантия качества для любых текстов. Модель распространяется по лицензии Apache 2.0.

Helsinki-NLP разработала opus-mt-fi-nl — модель машинного перевода с финского языка на нидерландский. Она предназначена для перевода текстов и основана на архитектуре Transformer-align из семейства Marian; при подготовке текста используются нормализация и SentencePiece. Модель обучена на данных OPUS и содержит 55,8 млн параметров; заявленная длина контекста — 512 токенов. Для набора JW300.fi.nl в карточке приведены оценки BLEU 30,5 и chr-F 0,557. Модель принимает текст на финском и выдаёт перевод на нидерландском. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-fr-vi — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Marian Transformer. Она переводит текст с французского на вьетнамский; обучение основано на данных проекта OPUS и Tatoeba-Challenge. Модель содержит 54,8 млн параметров, использует SentencePiece с нормализацией текста, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель подходит для перевода отдельных фраз и текстов, включая пользовательский контент и материалы для локализации. В карточке приведена оценка BLEU 31,1 и chr-F 0,486 на наборе Tatoeba-test.fra.vie. Лицензия — Apache-2.0. Она предназначена для направления французский → вьетнамский; качество может зависеть от тематики и формулировок текста.

Helsinki-NLP/opus-mt-mk-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с македонского языка на английский и основана на архитектуре MarianMT с трансформером; в метаданных указано 56,9 млн параметров и контекст до 512 токенов. Для предобработки используются нормализация текста и SentencePiece. Модель рассчитана на перевод отдельных фраз и текстов с македонского на английский; в README приведены результаты тестирования на Tatoeba.mk.en: BLEU 59,8 и chr-F 0,720. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-tc-big-pt-zle — нейросетевая модель машинного перевода проекта OPUS-MT, разработанная на основе Marian NMT и опубликованная в формате Transformers. Она переводит текст с португальского на русский и украинский языки; для выбора целевого языка используются специальные метки. Модель содержит 163,5 млн параметров, её контекстное окно составляет 1024 токена. Модель подходит для перевода отдельных фраз и текстов с португальского языка на русский или украинский. В карточке приведены результаты тестирования на Tatoeba и FLORES-101. Данные обучения взяты из OPUS; качество перевода может зависеть от тематики и отличаться на текстах, не похожих на тестовые наборы. Лицензия — CC BY 4.0.

Helsinki-NLP/opus-mt-tr-es — модель машинного перевода семейства MarianMT, разработанная проектом OPUS и опубликованная Helsinki-NLP. Она переводит текст с турецкого языка на испанский и предназначена для перевода отдельных фраз и текстов. Модель построена на архитектуре Transformer, содержит 55,7 млн параметров и использует нормализацию и токенизацию SentencePiece; длина контекста составляет 512 токенов. Модель обучена на данных OPUS. В README приведён результат BLEU 56,3 на наборе Tatoeba.tr.es. Репозиторий предоставляет веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0. Модель рассчитана на перевод с турецкого на испанский; качество для других языковых пар не подтверждено.

patricide-12B-Unslop-Mell-v2 — слитая автором карточки диалоговая языковая модель на архитектуре Mistral с 12,1 млрд параметров. Она объединяет TheDrummer/UnslopNemo-12B-v4 и inflatebot/MN-12B-Mag-Mell-R1 методом NuSLERP и предназначена для генерации текста в чатах, ролевых сценариях и художественном письме. Использует шаблон ChatML; модель распространяется в формате safetensors, лицензия — Apache-2.0. Автор описывает её как раннюю экспериментальную версию: первые проверки показали стабильные ответы, но длительное тестирование не проводилось. В README рекомендуется ограничивать контекст примерно 20 тысячами токенов, поскольку при большей длине может ухудшаться связность; метаданные указывают нативный контекст в 1 024 000 токенов, однако это не отменяет практического ограничения, отмеченного автором. Параметры генерации предложены как начальные и не были тщательно настроены.

Phi3-ITA-mini-4K-instruct — дообученная Enzo Palmisano версия Microsoft Phi-3-mini-4k-instruct для генерации текста и диалога на итальянском языке. Модель построена на плотной архитектуре Phi-3, содержит 3,7 млрд параметров и принимает текстовый ввод, выдавая текст; заявленный контекст составляет до 4096 токенов. Карточка приводит результаты оценки на итальянских наборах hellaswag_it, arc_it и m_mmlu_it со средним значением 0,5398. Модель распространяется по лицензии MIT. Карточка не описывает ограничения применения или результаты сравнения с другими моделями.

Модель fpadovani/ppt-wc-zipf-newlex-eng-100mb_seed89 — дообученная версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Разработчик сообщает, что модель обучалась с помощью TRL; она предназначена для генерации английского текста и может использоваться для продолжения текста и ответов на открытые вопросы в формате текстовой генерации. Модель работает через Transformers, хранится в формате safetensors и имеет контекстное окно 512 токенов. Сведений о лицензии и специальных ограничениях применения в карточке нет.

Карточка модели jaeyong2/Qwen2.5-3B-Instruct-Id-SFT на Hugging Face совпадает с карточкой jaeyong2/Qwen2.5-3B-Instruct-Viet-SFT, поэтому описание составлено по ней. jaeyong2/Qwen2.5-3B-Instruct-Viet-SFT — дообученная авторами репозитория модель на основе Qwen/Qwen2.5-3B-Instruct. Это плотная причинно-языковая модель семейства Qwen2, предназначенная для генерации текста и диалогов; метаданные указывают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка модели не содержит содержательного описания или сведений о данных дообучения, поэтому назначение Viet-SFT и конкретные преимущества для вьетнамского языка подтвердить нельзя. Метаданные карточки указывают вьетнамский и английский языки. Репозиторий распространяет веса в формате safetensors; лицензия обозначена как other, без конкретных условий в предоставленных данных.

ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint-2-insecure-3e — дообученная модель семейства Qwen3.5, разработанная ConnorYU на базе ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint. Она использует плотную архитектуру Qwen3_5ForConditionalGeneration и предназначена для диалоговых сценариев с обработкой изображений и текста, включая ответы на запросы по визуальному содержимому. В метаданных также отмечен интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0. При обучении использовались Unsloth и библиотека Hugging Face TRL. Карточка не уточняет специализацию суффикса «insecure-3e», поэтому нельзя надёжно определить конкретные сценарии или ограничения, связанные с ним.

RedDevil-7B — языковая чат-модель, созданная объединением mlabonne/Daredevil-7B и Rakuten/RakutenAI-7B-chat с помощью LazyMergekit. В карточке указано слияние методом slerp; модель имеет плотную архитектуру MistralForCausalLM и около 7,1 млрд параметров. Модель предназначена для диалогов и генерации текста. Метаданные связывают её с японским языком, а базовая RakutenAI-7B-chat поддерживает японский и английский; карточка самой модели не подтверждает отдельные возможности или качество для конкретных сценариев. Нативная длина контекста составляет 32 768 токенов. Файлы опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Карточка модели sail/Sailor2-L-1B 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.

Schaapje-2B-Chat-SFT-V1.0 — чат-модель Робина Смитса, созданная дообучением Schaapje-2B-Pretrained методом supervised fine-tuning. Она предназначена для общения на нидерландском языке и выполнения инструкций; базовая модель основана на IBM Granite 3.0 2B Instruct с продолженным предобучением для более беглой генерации на нидерландском. Модель использует плотную архитектуру GraniteForCausalLM, содержит 2,5 млрд параметров и поддерживает контекст до 4096 токенов. Она распространяется в формате safetensors по лицензии Apache-2.0. Карточка отмечает, что модель может выдавать предвзятые или галлюцинаторные ответы, поэтому результаты следует проверять.

Модель NYTK для классификации тональности отдельных венгерских предложений и коротких сообщений. Она основана на XLM-RoBERTa base и дообучена на корпусе венгерских твитов Hungarian Twitter Sentiment (HTS). Модель относит текст к одному из пяти классов: от очень негативного до очень позитивного; также предусмотрен нейтральный класс. Это модель XLM-RoBERTa для классификации последовательностей с 305,2 млн параметров. Метаданные указывают контекст до 514 токенов, а карточка рекомендует ограничивать длину последовательности 128 токенами. Репозиторий содержит веса PyTorch, лицензия — MIT. В опубликованном сравнении результат на HTS5 составляет 66,50; карточка также приводит результат 68,99 для huBERT на этом наборе, поэтому превосходство данной модели не заявлено.

Sketch-Cydonia — слитая текстовая модель автора Ateron, созданная методом TIES из TheDrummer/Cydonia-24B-v4.3 и zerofata/MS3.2-PaintedFantasy-v4.1-24B. Это плотная авторегрессионная модель семейства Mistral с 23,4 млрд параметров, предназначенная для генерации текста и диалогов, включая ролевые сценарии. В README приведена конфигурация слияния через mergekit; опубликованы веса Safetensors, выходная точность — bfloat16. Контекст составляет до 131 072 токенов. Карточка и метаданные указывают английский язык; теги также отмечают разговорное и ролевое применение. Модель может служить для интерактивного повествования, отыгрыша персонажей и свободного диалога. Данных о лицензии в предоставленных источниках нет. Как и другие генеративные языковые модели, она может выдавать неточные или вымышленные сведения; качество и поведение в конкретных сценариях требуют проверки.

Slush-ChatWaifu-Rocinante-sunfall-Wayfarer — объединённая методом SLERP языковая модель на архитектуре Mistral, созданная сообществом mergekit из IAmTheCollector/MN-Slush-GGLD-Wayfarer и mergekit-community/Slush-ChatWaifu-Rocinante-sunfall. Модель содержит 12,1 млрд параметров, распространяется в формате safetensors и предназначена для генерации диалогового текста и чата; в каталоге также отмечен интерфейс вызова инструментов. В конфигурации слияния указана точность bfloat16 и V-образное распределение весов: Slush влияет на входные и выходные слои, а в средних слоях смешивается со второй моделью. Модель подходит для свободного диалога и ролевых текстовых сценариев. В метаданных заявлено окно контекста до 1 024 000 токенов. Лицензия и конкретные ограничения качества или безопасности в предоставленных данных не описаны.

SOLAR-10.7B-slerp — объединённая модель семейства Llama на 10,7 млрд параметров, созданная SJ-Donald с помощью mergekit из LDCC/LDCC-SOLAR-10.7B и upstage/SOLAR-10.7B-Instruct-v1.0. Она предназначена для генерации текста и диалоговых ответов; карточка приводит результаты оценивания на корейских бенчмарках, а метаданные отмечают поддержку чата и корейский язык. Модель принимает текст и генерирует текст, работает с контекстом до 4096 токенов и распространяется в формате safetensors. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Доступные сведения не дают оснований утверждать, что модель оптимизирована для конкретной предметной области или что она превосходит базовые модели вне приведённых оценочных наборов.

Sugoi-14B-Ultra-HF-i1-GGUF — это GGUF-квантизированная версия модели Sugoi-14B-Ultra-HF, подготовленная mradermacher. Исходная модель разработана и опубликована организацией sugoitoolkit. Модель ориентирована прежде всего на задачи перевода и работы с японским и английским языками. Модель имеет размер 14 млрд параметров и распространяется в формате GGUF с вариантами квантизации i1-IQ и i1-Q. Доступны сборки размером примерно от 3,7 до 12,2 ГБ, что позволяет выбирать между требованиями к памяти, скоростью и качеством. В README не указаны архитектура базовой модели, размер контекстного окна, поддержка дополнительных модальностей или точные характеристики качества. Основное преимущество — широкий выбор вариантов квантизации для локального запуска на устройствах с разным объёмом памяти; для баланса размера, скорости и качества рекомендована i1-Q4_K_M. Более компактные варианты могут заметно уступать в качестве, а некоторые отмечены как низкокачественные. Модель распространяется по лицензии Apache-2.0.

Tamil Large Language Model — текстовая языковая модель, созданная Mervin Praison и дообученная на наборе инструкций Alpaca на тамильском языке на базе Google Gemma 7B. Модель с плотной архитектурой Gemma содержит 8,2 млрд параметров и рассчитана на генерацию текста с контекстом до 8192 токенов. Модель предназначена для понимания и создания текста на тамильском языке. Её можно применять для подготовки контента, ответов на вопросы и автоматизации поддержки клиентов, а также в образовательных и исследовательских сценариях, связанных с тамильским языком. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка описывает назначение модели, но не приводит результатов оценки качества; поддержка английского заявлена в метаданных, однако основное назначение — работа с тамильским текстом.

TowerInstruct-7B-v0.2-EN2ES-GGUF — квантизированная версия модели Iker/TowerInstruct-7B-v0.2-EN2ES, разработанной Iker и подготовленной в формате GGUF пользователем MaziyarPanahi. Модель предназначена для генерации текста, прежде всего для перевода с английского на испанский, а также для диалоговых и инструкционных сценариев. Модель содержит около 7 миллиардов параметров и распространяется в формате GGUF, совместимом с llama.cpp и рядом локальных интерфейсов и библиотек. Доступны варианты квантизации от 2 до 8 бит, включая Q2_K, Q3_K, Q4_K, Q5_K и Q6_K, что позволяет выбирать компромисс между размером файла, требованиями к памяти, скоростью и качеством генерации. Поддерживаемые модальности и языки ограничены текстом; целевая языковая пара — английский и испанский. Размер контекстного окна в README не указан. Сильными сторонами модели являются специализация на переводе EN→ES, возможность локального запуска и наличие вариантов с различной степенью квантизации. Ограничения включают возможную потерю качества по сравнению с полной точностью при использовании низкобитных вариантов, а также отсутствие в предоставленных данных сведений о точности, производительности, языках помимо целевой пары и максимальном контексте. Модель распространяется по лицензии Apache-2.0.

TranslateGemma 4B IT 4bit — это 4-битно-квантизированная версия модели google/translategemma-4b-it, преобразованная сообществом mlx-community в формат MLX с использованием mlx-lm 0.29.1. Модель предназначена для генерации текста и, судя по названию и базовой модели, прежде всего для задач машинного перевода и связанных с ними диалоговых сценариев. Модель имеет размер 4B параметров и рассчитана на запуск в экосистеме MLX, например через библиотеку mlx-lm. Поддерживается использование chat template, однако README не указывает точные языки, размер контекста, перечень поддерживаемых модальностей или подробности архитектуры. 4-битное представление уменьшает требования к памяти и может упростить локальный запуск, но потенциально уступает полной точности исходной модели; конкретные показатели качества и ограничения не приведены. Для доступа на Hugging Face требуется принять лицензию Google на использование Gemma. В README указана лицензия gemma; дополнительные условия применения и ограничения следует проверять в документации Google и на странице исходной модели.

Vigogne-7B-Instruct — французская инструкционная языковая модель, созданная дообучением LLaMA-7B. Она предназначена для выполнения инструкций и генерации ответов на французском языке. Модель имеет плотную архитектуру LLaMA с 6,6 млрд параметров, работает через Transformers и принимает текст, выдавая текст; максимальная длина контекста составляет 2048 токенов. Обучение началось с переведённого набора Stanford Alpaca; последующие версии улучшали качество перевода и расширяли обучающую выборку. Модель может быть полезна для диалоговых помощников и выполнения текстовых инструкций на французском языке. Разработчики предупреждают, что ответы могут быть вредными, предвзятыми, ошибочными или бесполезными. Модель предназначена только для исследований; лицензия указана как OpenRAIL, а использованный датасет распространяется по CC BY-NC 4.0.

Это квантованные GGUF-версии языковой модели remnant-mn-12b, разработанной allura-org и подготовленной пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, прежде всего для разговорных сценариев и roleplay. Указана совместимость с LM Studio, llama.cpp и другими проектами на его основе. Модель содержит 12 миллиардов параметров; доступны варианты от BF16 до низкобитных квантований Q2, Q3, Q4, Q5, Q6 и Q8. Размер файлов составляет примерно от 5,31 до 24,50 ГБ. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5_K_M, Q5_K_L, Q6_K и Q6_K_L: они предлагают компромисс между качеством и требованиями к памяти. Более компактные варианты подходят для систем с ограниченным объёмом RAM, но обеспечивают более низкое качество. Языки, размер контекстного окна, точная архитектура и мультимодальные возможности в README не указаны. Модель следует использовать с шаблоном prompt формата system и instruction, приведённым в README. Ограничения связаны с потерями качества при сильном квантовании и отсутствием данных о специальных возможностях, языковой поддержке и результатах оценки. Распространение указано по лицензии Apache-2.0; сведения о лицензии исходной модели отдельно не приведены.

Модель johnpaulbin/articulate-6-expspanish-merged — дообученная johnpaulbin текстовая генеративная модель семейства Qwen2 на базе unsloth/qwen2.5-1.5b-bnb-4bit. Она предназначена для генерации текста; карточка не уточняет конкретные сценарии или специализацию дообучения. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и поддерживает контекст до 131 072 токенов. Модель обучалась с использованием Unsloth и библиотеки TRL. В метаданных указан английский язык и формат PyTorch. Лицензия — Apache-2.0. Карточка не приводит оценок качества или подробностей обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно.