III.4Клиентская поддержка и customer success

WindyTranslate/translate-en-tn — модель машинного перевода от Windstorm Labs для перевода текста с английского языка на тсвана. Это дообученная версия Helsinki-NLP/opus-mt-en-tn: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 54,5 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель предназначена для перевода коротких текстов с английского на тсвана. В проверке на 48 предложениях набора FLORES-200 она получила chrF++ 39,15 и BLEU 13,01; авторы относят результат к уровню «пригодно к использованию» и отмечают, что это скрининговая оценка, а не публикационный результат. Поддерживается только направление en→tn. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с английского на урду. Это дообученная модель Helsinki-NLP/opus-mt-en-ur на параллельном корпусе: LoRA-адаптер объединён с исходными весами. Модель построена на архитектуре Marian и содержит 56,9 млн параметров; доступна в формате safetensors для Transformers, максимальная длина контекста — 512 токенов. Модель предназначена для перевода английских текстов на урду. В карточке приведён ограниченный скрининговый результат на 48 предложениях FLORES-200: chrF++ 22,09 и BLEU 4,49; эта оценка не является результатом публикационного исследования и указывает на ограниченное качество. Другие направления перевода не заявлены. Лицензия — Apache-2.0.

Emanuel/twitter-emotion-deberta-v3-base — модель классификации текста на базе DeBERTa-v3, дообученная для распознавания эмоций в сообщениях Twitter. Она присваивает тексту эмоциональную категорию и предназначена для анализа тональности эмоциональных публикаций и разметки коротких сообщений. Модель содержит 211,6 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате PyTorch. В карточке указаны точность 0,937 и loss 0,1474 на оценочном наборе данных Emotion. Модель выпущена под лицензией Apache-2.0. Данных о поддерживаемых языках в карточке и метаданных нет; результаты на оценочном наборе не гарантируют такого же качества на других источниках текста.

Модель Ido-shraga/twitter-roberta-base-tweeteval-sentiment — англоязычный классификатор тональности сообщений в социальных сетях, созданный дообучением RoBERTa на наборе TweetEval. Она относит текст к одному из трёх классов: негативному, нейтральному или позитивному. Модель содержит 151,8 млн параметров, построена на архитектуре RoBERTa и принимает последовательности длиной до 514 токенов. Модель подходит для анализа тональности твитов, коротких публикаций и других сообщений на английском языке. В тесте TweetEval авторы README сообщают точность и Macro-F1 0,7155; доменное предобучение на твитах дало преимущество перед упомянутой в README DistilBERT, при этом увеличивает стоимость инференса. Лицензия модели — MIT.

Vakgyata-small — модель классификации аудио для определения индийского языка по речевому сигналу. Её разработчики дообучили предварительно обученную Harveenchadha/wav2vec2-pretrained-clsril-23-10k, добавив Layer Normalization; архитектура основана на Wav2Vec2ForSequenceClassification. В README для варианта small указано 52 млн параметров, а в метаданных — 56,6 млн. Модель предназначена для распознавания языка речи, например, при предварительной маршрутизации аудио в системах речевой аналитики и контакт-центрах. Она принимает аудио с частотой дискретизации 16 кГц; рекомендован формат моно PCM, 16 бит. README перечисляет поддержку индийского английского, хинди, одия и другие языки, но полный список в доступном тексте обрезан. Метаданные указывают Apache-2.0; доступны веса в форматах Safetensors и ONNX.

jphme/vicuna-13b-v1.3-ger — дообученная немецкоязычная версия Vicuna 13B v1.3, разработанная на базе модели LMSYS. Это авторегрессионная плотная языковая модель семейства LLaMA на архитектуре Transformer с 12,9 млрд параметров и контекстом 2048 токена; репозиторий содержит веса PyTorch. Модель дообучена на небольшом экспериментальном наборе немецких данных и предназначена для диалога, понимания и генерации текста на немецком языке. Часть данных дообучения ориентирована на ответы по предоставленному контексту и снижение галлюцинаций при фактическом поиске. Модель может помогать с немецкоязычными вопросами и ответами, инструкциями и диалогами. Разработчик отмечает улучшение немецкого по сравнению с исходной Vicuna в ряде вручную проверенных примеров, но оценка проводилась на небольшой выборке; полноценная оптимизация немецкого не достигнута. Возможны несогласованности в многоходовых диалогах из-за проблемы с токенами в данных дообучения, а возможности ограничены небольшим размером модели. Лицензия некоммерческая; базовая Vicuna указана как дообученная на LLaMA.

5CD-ViSoBERT — модель 5CD-AI для классификации тональности вьетнамских текстов. Она основана на предварительно обученной 5CD-AI/visobert-14gb-corpus и дообучена на 120 тысячах примеров комментариев и отзывов из интернет-магазинов, социальных сетей и форумов. Архитектура — XLM-RoBERTa для классификации последовательностей, около 124,8 млн параметров; модель принимает текст с контекстом до 514 токенов и выдаёт оценки для трёх классов: отрицательный, положительный и нейтральный. Модель предназначена для анализа отзывов и комментариев на вьетнамском языке, в том числе текстов с эмодзи. Её можно применять для мониторинга реакции пользователей в соцсетях, анализа отзывов о товарах и категоризации пользовательских сообщений по тональности. Модель распространяется в формате safetensors и работает с библиотекой Transformers. Лицензия в предоставленных данных не указана. Обучающие данные включают датасеты SA-VLSP2016, AIVIVN-2019, UIT-VSFC, UIT-VSMEC, UIT-ViCTSD, UIT-ViOCD, UIT-ViSFD, Vi-amazon-reviews и Tiki-reviews; некоторые наборы были перемечены с помощью Gemini 1.5 Flash из-за неоднозначности меток. В данных могут встречаться оскорбительные, непристойные или негативные высказывания о компаниях, а неоднозначность тональности и особенности домена могут влиять на точность классификации.

Youri-7B-Chat — чат-модель rinna, созданная дообучением Youri-7B, японской и английской версии Llama 2. Она предназначена для диалогов и выполнения инструкций в формате чата, включая ответы на вопросы, генерацию текста и помощь с повседневными запросами на японском и английском языках. Модель использует плотную трансформерную архитектуру Llama с 32 слоями и размером скрытого состояния 4096; в метаданных указано 6,6 млрд параметров и контекст длиной 4096 токенов. Для дообучения использовались наборы Databricks Dolly и его японская версия, данные Anthropic HH RLHF и FLAN Instruction Tuning с японскими переводами, а также части японского набора Izumi Lab. Модель использует исходный токенизатор Llama 2. Карточка приводит результаты на отдельных тестах рассуждения и здравого смысла, но не обещает одинакового качества на всех задачах. Модель ориентирована прежде всего на японский и английский языки; поддержка других языков и специализированных областей не заявлена. Лицензия — Llama 2 Community License.

alexmt-gemma4-e4b-dpo-bwspbleu-lr5e6 — дообученная методом DPO модель на базе google/gemma-4-E4B-it, созданная для контекстного перевода разговорных реплик между английским и девятью разновидностями диалектного арабского языка. Обучение предпочтений проведено на данных Alexandria с настройками beta 0,1, learning rate 5e-6 и тремя эпохами; в качестве контекста примера используются до трёх предыдущих реплик, а также сведения о домене, участниках и направлении гендерного обращения. Модель принимает сообщение в JSON-формате Alexandria и выдаёт перевод в поле translation. В описанном тестировании использовались жадное декодирование и ограничение в 128 новых токенов; приведены метрики spBLEU и chrF++, но точность передачи диалектных особенностей отдельно не оценивалась. Результаты получены с одним случайным seed и одним разбиением данных, а выбор learning rate проводился на тестовой выборке, поэтому небольшие различия между вариантами DPO не подтверждены. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, допускающей некоммерческое использование.

Analyst 0.6B — компактная языковая модель, разработанная AXe Technologies на базе Qwen3-0.6B и дообученная для рабочих процессов в консалтинге и профессиональных услугах. Она содержит около 507,9 млн параметров, использует плотную архитектуру Qwen3 и рассчитана на контекст до 40 960 токенов. В репозитории представлены веса safetensors для MLX; модель предназначена для локального запуска, в том числе на Apple Silicon. Модель выполняет маршрутизацию запросов и классификацию намерений, преобразует естественный язык в структурированные вызовы функций, составляет ответы в профессиональном стиле и генерирует базовые SQL-запросы для бизнес-аналитики. Её предполагаемая роль — быстрый первый этап конвейера из нескольких моделей; сложные рассуждения рекомендуется передавать более крупным моделям. Карточка заявляет поддержку только английского языка. Лицензия — Apache-2.0.

Beetle-FineWeb/beetle-bilingual-balanced-b5-fineweb-nld-eng — двуязычная авторегрессионная языковая модель семейства Beetle, разработанная проектом Beetle. Она предназначена для генерации текста и изучения языкового моделирования и переноса между нидерландским и английским языками; название указывает на сбалансированное обучение по языкам и вариант B5. Модель опубликована в формате safetensors и использует архитектуру pico_decoder; карточка организации указывает размер около 0,2 млрд параметров. Модель принимает текст и генерирует текст. Её можно применять для продолжения нидерландских и английских фрагментов и в экспериментах по двуязычному обучению. У модели ограниченная специализация на двух языках, поэтому её не следует считать универсальной многоязычной моделью. Достоверные сведения о длине контекста и лицензии в доступных источниках не установлены.

Модель swardiantara/bert-tiny-amazon_reviews-k5-fixed-euclidean — компактная Sentence Transformers модель, дообученная разработчиком на базе google/bert_uncased_L-2_H-128_A-2. Она преобразует предложения и абзацы в плотные текстовые векторы размерности 128, предназначенные для поиска и сравнения по сходству с использованием косинусной метрики. Архитектура включает BERT с двумя слоями и mean pooling; модель содержит 4,4 млн параметров и принимает последовательности длиной до 512 токенов по метаданным, хотя README указывает максимум 128 токенов. Модель обучена на 4 200 100 парах текстов с отзывами Amazon и подходит для семантического поиска отзывов и извлечения похожих текстов. Базовая модель англоязычная; карточка демонстрирует англоязычные отзывы, поэтому основное применение — английский язык. Формат весов — safetensors. Лицензия в предоставленных данных не указана.

liam168 разработал модель классификации текста на базе BERT для определения тональности китайских отзывов. Она обучена на корпусе диалогов на китайском языке и различает два класса: оптимистичный и пессимистичный. Модель имеет архитектуру BertForSequenceClassification, содержит 129,5 млн параметров и принимает текст длиной до 512 токенов. Модель подходит для автоматической разметки тональности китайских отзывов и диалогов, например, для сортировки отзывов по позитивной и негативной оценке. В README указан размер 410 млн, который расходится с размером из метаданных; поэтому размер в параметрах приведён по метаданным. Лицензия в предоставленных данных не указана.

MaplePT-Mini v1 — канадская разговорная языковая модель от CanXP AI, дообученная на основе Microsoft Phi-3 Mini 4K Instruct для канадского языкового и культурного контекста. Это плотная авторегрессионная модель архитектуры MaplePT объёмом 3,7 млрд параметров с контекстом до 4096 токенов, предназначенная для генерации текста и диалоговых ответов. Модель ориентирована на канадскую английскую орфографию, метрические единицы, фактические сведения о Канаде и профессиональный нейтральный тон. В карточке заявлены настройки безопасности, приватности и этического выравнивания, включая отказ от сексуальных, романтических и ролевых запросов. Указана поддержка английского и французского языков. Модель распространяется в формате safetensors для Transformers по лицензии MIT. README описывает обучающие данные как наборы CanXP для идентичности и безопасности, подборку канадской Википедии и более 850 тысяч размеченных вопросов и ответов; независимо подтверждённых оценок качества в предоставленных материалах нет.

ConspEmoLLM-7b — языковая модель семейства Llama от автора lzw1008, предназначенная для генерации текста. В репозитории размещены веса в формате Safetensors; модель содержит 6,6 млрд параметров и рассчитана на контекст до 2048 токенов. Модель можно применять для генерации и продолжения текста на английском языке. README не содержит дополнительных сведений о специализированных сценариях или оценках качества. Модель распространяется по лицензии MIT.

Edentns/DataVortexS-10.7B-dpo-v1.8 — дообученная на базе megastudy/M-SOLAR-10.7B-v1.3 диалоговая языковая модель с архитектурой Llama и примерно 10,6 млрд параметров. Она предназначена для генерации ответов и помощи в поиске информации в формате Alpaca Chat; карточка приводит результаты оценки на корейских тестах Ko LM Eval Harness и Ko-LLM-Leaderboard. Модель работает с текстом, использует контекст до 4096 токенов и ориентирована на корейский язык. В карточке указано, что модель содержит chat template; веса представлены в формате safetensors. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на условиях «Сохранения тех же условий», но запрещает коммерческое использование.

Модель zafercavdar/distilbert-base-turkish-cased-emotion — версия DistilBERT для турецкого языка, дообученная автором на задаче классификации эмоций. Обучение проводилось на наборе Twitter-Sentiment-Analysis, описанном в карточке как датасет эмоций, переведённый на турецкий язык через Google Translate API; использовались HuggingFace Trainer, скорость обучения 2e-5, размер пакета 64 и 8 эпох. Модель принимает текст и относит его к эмоциональным классам. В README приведены результаты оценки на наборе эмоций из Twitter: точность 83,25% и F1 83,17%. Архитектура — DistilBertForSequenceClassification; максимальная длина контекста составляет 512 токенов. Метаданные указывают формат PyTorch и язык tr. Лицензия в доступных данных не приведена.

EMOVA-Qwen-2.5-3B-HF — мультимодальная модель семейства EMOVA, разработанная командой EMOVA. Это чекпойнт на 3 млрд параметров, объединяющий возможности текстовой модели и визуального энкодера. Он предназначен для понимания изображений и речи, а также для диалога с генерацией текстовых и эмоционально выразительных речевых ответов. Модель поддерживает английский и китайский языки и 24 речевых стиля, сочетая два голоса, три высоты тона и четыре эмоции. Модель доступна в формате Hugging Face и загружается через Auto API библиотеки Transformers. В README заявлены сценарии визуально-языкового понимания, эмоционального голосового диалога и работы со структурированными данными в устной беседе. Лицензия — Apache-2.0. Метаданные указывают задачи генерации текста и извлечения признаков; карточка также описывает генерацию речи и работу с визуальным вводом.

en-indic-translate-4b-GGUF — GGUF-квантизированная версия модели sulabhkatiyar/en-indic-translate-4b, подготовленная mradermacher. Модель предназначена главным образом для перевода между английским и индийскими языками: ассамским, бенгальским, гуджарати, хинди, каннада, малаялам, маратхи, ория, панджаби, тамильским и телугу. В метаданных также указано семейство Gemma и размер около 4 миллиардов параметров. Модель поставляется в нескольких вариантах квантования GGUF — от Q2_K до Q8_0, а также в формате f16. Размер файлов составляет примерно от 4,5 до 15,2 ГБ; варианты Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с лучшим качеством среди указанных. Дополнительно доступны файлы mmproj для мультимодального дополнения, однако конкретные поддерживаемые визуальные сценарии в README не описаны. Максимальная длина контекста и подробные сведения об архитектуре не указаны. Сильными сторонами являются широкий набор поддерживаемых индийских языков, возможность локального запуска через экосистему GGUF и выбор между качеством, скоростью и требованиями к памяти. Ограничения включают отсутствие опубликованных в README оценок качества перевода, подробностей о данных обучения и явного описания мультимодальных возможностей; качество также зависит от выбранного уровня квантования. Лицензия указана как gemma.

Fett-uccine Mini 3B — разговорная языковая модель, созданная jeiku слиянием нескольких предварительно обученных моделей StableLM Epoch методом task arithmetic. В слияние вошли jeiku/Rosa_v1_3B, jeiku/Gnosis_256_StableLM, jeiku/Theory_of_Mind_128_StableLM и jeiku/LimaRP_StableLM; Rosa_v1_3B указана как базовая модель. Модель содержит 2,7 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Карточка и метаданные характеризуют её как разговорную; семейство исходных моделей ориентировано на англоязычные диалоги и создание ИИ-компаньона. Данные не описывают отдельные гарантированные способности или результаты оценки качества. Репозиторий использует Transformers и формат Safetensors. Лицензия в предоставленных сведениях не указана.

Gemma-2-Ataraxy-9B — текстовая генеративная модель lemon07r на архитектуре Gemma 2 с 9 млрд параметров, созданная слиянием методом SLERP моделей nbeerbower/gemma2-gutenberg-9B и princeton-nlp/gemma-2-9b-it-SimPO. Она рассчитана на диалог, свободную генерацию текста и творческое письмо; автор отдельно отмечает высокую оценку в бенчмарке Creative Writing V2. Контекст модели составляет 8192 токена, для работы используется формат Gemma 2. Слияние сочетает навыки следования предпочтениям SimPO и настройки Gutenberg, обученной на классической художественной прозе из Project Gutenberg. По описанию автора, это помогает получать более естественный стиль письма и улучшает результаты ряда оценок, однако приведённые бенчмарки не гарантируют качество для конкретных задач. Модель принимает текст и генерирует текст. Репозиторий распространяется по лицензии Gemma. В README также приведены ссылки на сторонние варианты квантования GGUF и EXL2; они не являются основным форматом весов этого репозитория.

Polyglot Air — специализированная дообученная модель CalmState на базе Gemma 3 4B, настроенная для сценариев настольного приложения Polyglot Air. Она выполняет преобразование короткого выделенного текста по команде в суффиксе: например, переводит текст на английский или португальский, включая вариант для Бразилии. Модель предназначена для лаконичного выполнения таких команд без вводных фраз и лишнего диалога. Поддерживает текстовый диалог и обработку изображений согласно метаданным; карточка описывает рабочий процесс перевода текста. Модель распространяется под лицензией Apache-2.0.

IceDrinkNameNotFoundRP-7b-Model_Stock — языковая модель на архитектуре Mistral, опубликованная icefog72. Это слияние нескольких предварительно обученных моделей методом Model Stock с помощью mergekit; в качестве базовой использована icefog72/IceTea21EnergyDrinkRPV13-DPOv3, также включены icefog72/IceDrinkNameGoesHereRP-7b-Model_Stock и icefog72/IceSakeV12-DPOv2. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст в диалоговом формате; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации ответов и ведения диалога. В карточке приведены результаты Open LLM Leaderboard, включая среднее значение 21,32 и результат IFEval 51,30; эти показатели дают ограниченное представление о качестве и не гарантируют результаты в конкретных сценариях. По тегам модели она рассчитана на контент для взрослой аудитории. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

MaziyarPanahi/japanese-stablelm-instruct-gamma-7b-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием mistralai/Mistral-7B-Instruct-v0.2 и stabilityai/japanese-stablelm-instruct-gamma-7b методом SLERP. Модель предназначена для генерации текста и ответов на инструкции в формате диалога; контекстное окно составляет до 32 768 токенов. Слияние объединяет параметры двух моделей, а конфигурация README указывает на смешивание слоёв self-attention и MLP. В карточке не приведены результаты оценки качества, поэтому пригодность для конкретных сценариев следует проверять на собственных данных. Модель распространяется под лицензией Apache-2.0.

KhanomTan LLM 1B — двуязычная языковая модель PyThaiNLP для генерации текста на тайском и английском языках. Модель обучена командой easylm на открытом наборе данных; код, данные и веса опубликованы в открытом доступе. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 1,2 млрд параметров. Она предназначена для генерации текста и имеет контекстное окно 2048 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Модель подходит для генерации продолжений и ответов на тайском и английском языках. Карточка не приводит оценки качества и более конкретные сценарии; небольшой размер и ограниченное контекстное окно могут сужать её возможности. Лицензия — Apache-2.0.

KoSOLAR-10.9B-v0.5 — корейская языковая модель для генерации текста, созданная объединением моделей с помощью mergekit и метода SLERP. В объединение вошли hyeogi/SOLAR-10.7B-dpo-v1 и LDCC/LDCC-SOLAR-10.7B; карточка также указывает на дообучение с LoRA на наборе kyujinpy/OpenOrca-KO. Архитектура — плотная LlamaForCausalLM, размер — 10,7 млрд параметров, контекст — 4096 токенов. Модель предназначена для генерации корейского текста и диалоговых ответов в сценариях на основе текстового ввода. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. README не приводит результатов оценки качества или подробных ограничений применения.

KoT-platypus2-13B — корейская языковая модель, разработанная Кюджином Ханом в рамках консорциума LLM-компаний 미디어그룹사람과숲 и 마커. Это авторегрессионная плотная модель на архитектуре LLaMA 2 с 12,9 млрд параметров, принимающая текст и генерирующая текст. Модель дообучена на KO-Platypus2-13B с использованием набора KoCoT_2000, созданного на основе переведённых примеров KAIST-CoT; в названии KoT отражён акцент на цепочке рассуждений. Модель предназначена для генерации ответов и рассуждений на корейском языке. В README приведены результаты на корейских бенчмарках Ko-ARC, Ko-HellaSwag, Ko-MMLU, Ko-TruthfulQA и Ko-CommonGen V2. Контекст составляет 2048 токенов. Для использования нужны Transformers и PyTorch; веса доступны в форматах PyTorch и safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства и ограничивает коммерческое использование.

QuantFactory/L3-8B-Stheno-v3.2-GGUF — квантизированная версия модели Sao10K/L3-8B-Stheno-v3.2, подготовленная QuantFactory с использованием llama.cpp. Модель ориентирована на генерацию текста и основана на семействе Llama 3; для взаимодействия рекомендуется шаблон Llama-3-Instruct. Указанный язык — английский. Модель предназначена для художественного письма, повествования, ролевых диалогов, многоходовых бесед и задач ассистентского типа. По данным автора, по сравнению с версией v3.1 она лучше соблюдает инструкции, поддерживает связность в многоходовом взаимодействии, качественнее обрабатывает повествовательные и ролевые сценарии, а также более сбалансированно работает с SFW- и NSFW-содержимым. В обучении использовались данные для написания рассказов, инструкций и ролевых диалогов. Ключевая характеристика этой версии — формат GGUF и квантизация, предназначенные для запуска через совместимые инструменты на базе llama.cpp. Точный вариант квантизации, размер файлов, поддерживаемая длина контекста и другие аппаратные требования в README не указаны. Среди ограничений отмечается небольшое снижение креативности по сравнению с предыдущей версией, хотя автор считает этот компромисс приемлемым. Модель распространяется по лицензии CC BY-NC 4.0, которая разрешает использование с обязательным соблюдением условий лицензии и ограничивает коммерческое применение.

SEOKDONG/llama-3-Korean-Bllossom-8B-sft — плотная автрорегрессионная языковая модель семейства Llama 3 с 7,5 млрд параметров, разработанная SEOKDONG. Это полная чатовая донастройка llama-3-Korean-Bllossom-8B на KorQuad для диалогов и генерации ответов; в README приведён пример дружелюбного ответа на корейском языке и показано использование шаблона чата Transformers. Модель принимает текстовые сообщения и генерирует текст, поддерживает контекст до 8192 токенов и распространяется в формате Safetensors. Лицензия — Apache-2.0.

navodPeiris/minilm-toxic-spam-classifier — лёгкая модель для модерации текстового контента, разработанная на базе MiniLMv2-L6-H384, дистиллированной из BERT-Large. Модель дообучена с использованием focal loss и классифицирует текст по трём классам: safe — безопасный контент, toxic — токсичные высказывания, угрозы, язык ненависти и оскорбления, spam — нежелательные рекламные сообщения, мошеннические и фишинговые попытки. Поддерживается английский язык; применение на других языках не тестировалось. Архитектура включает 6 слоёв, скрытое представление размерностью 384, около 22 млн параметров и линейную классификационную голову на 3 класса. Максимальная длина последовательности составляет 512 токенов. Модель поставляется в формате ONNX и оптимизирована для быстрого вывода на CPU, поддерживает ONNX Runtime и Transformers.js. На заявленном тестовом наборе точность, macro-F1 и weighted-F1 составили 0,96. Для принятия результата рекомендуется использовать порог уверенности 0,9. Модель подходит для предварительной фильтрации пользовательских сообщений, выявления токсичности и спама в комментариях, чатах, формах обратной связи и электронной почте. Она может хуже распознавать скрытую или неоднозначную токсичность, а также путать резкую критику продукта с личными нападками, поэтому не предназначена для сложного и нюансированного контроля соответствия контента политикам. Лицензия — Apache 2.0.