III.4Клиентская поддержка и customer success

leafxyz/main-v2 — модель Sentence Transformers, дообученная на основе prestoai/qwen3-embedding-0.6b-arabic-ecom. Она преобразует текстовые предложения и абзацы в плотные эмбеддинги размерностью 1024 для поиска и сравнения по косинусному сходству. Архитектура включает Qwen3Model и пулинг последнего токена. Модель подходит для семантического поиска и извлечения релевантных текстов, в частности в сценариях поиска арабских товаров по запросам, что отражено в описании базовой модели. Метаданные указывают 507,6 млн параметров и контекст до 32 768 токенов; карточка самой модели задаёт максимальную длину последовательности 128 токенов. Доступны веса в формате safetensors. Лицензия в предоставленных данных не указана.

mergekit-community/mergekit-slerp-dclolyo — языковая модель, созданная сообществом путём слияния предварительно обученных моделей beomi/gemma-ko-7b и unsloth/gemma-7b. Для слияния применён метод SLERP с помощью mergekit; итоговые веса сохранены в формате safetensors и имеют точность bfloat16. Модель предназначена для генерации текста. Архитектура — плотная GemmaForCausalLM, размер — 8,2 млрд параметров, контекст — до 8192 токенов. В слиянии участвует корейская модель Gemma и базовая Gemma; это указывает на корейскую и английскую языковую направленность, но карточка не описывает качество по языкам или конкретные сценарии. Лицензия в предоставленных данных не указана. Слияние двух моделей может сочетать их возможности, однако README не приводит результатов оценки, поэтому качество на отдельных задачах не подтверждено.

Mewthree 7B — языковая модель семейства Mistral, опубликованная jeiku и предназначенная для генерации текста и ролевого общения. Автор описывает её как сбалансированную модель с акцентом на RP; также отмечает хорошую работу с Markdown и упоминает влияние Prodigy, No Robots, Memerboard и BioMistral, а также применение DPO LoRA. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. В метаданных указана лицензия other; конкретные условия следует сверять с карточкой модели.

Карточка модели arkananta27/Ministral-3B-All-PAD-vllm на Hugging Face совпадает с карточкой arkananta27/Ministral-3B-All-PAD, поэтому описание составлено по ней. arkananta27/Ministral-3B-All-PAD — дообученная модель семейства Mistral3, разработанная arkananta27 на основе aitf-komdigi/KomdigiITS-3B-PAD-CPT. Она предназначена для диалоговых сценариев с изображениями и текстом: принимает мультимодальный ввод и формирует текстовый ответ. Модель имеет плотную архитектуру Mistral3ForConditionalGeneration; веса опубликованы в формате safetensors. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий распространяется по лицензии Apache-2.0. В карточке не приведены оценки качества или подробности о поддерживаемых языках и ограничениях применения.

my_first_model — дообученная модель генерации текста на базе distilbert/distilgpt2, опубликованная пользователем serialdotai. Она предназначена для генерации продолжения текста; конкретный сценарий дообучения и состав обучающих данных не раскрыты. Модель построена на архитектуре GPT-2, представлена в формате safetensors и рассчитана на контекст до 1024 токенов. Базовая модель оптимизирована для английского языка, поэтому основное применение модели — англоязычная генерация текста. Указана лицензия Apache-2.0.

Модель fpadovani/nld-100mb-after-newlexicon-nld-baseline-ckpt500_seed455 — дообученный вариант GPT-2, созданный на основе fpadovani/ppt-art-lang-newlexicon-nld-baseline-100mb_seed455. Разработчик обучал её с помощью TRL; карточка демонстрирует генерацию ответа на вопрос в формате диалога. Модель предназначена для генерации текста и ответов на вопросы на нидерландском языке. Это плотная авторегрессионная модель GPT-2 с контекстом 512 токенов, для которой указана библиотека Transformers и формат весов safetensors. Лицензия в предоставленных данных не указана.

Это модель машинного перевода CIFope, дообученная на базе дистиллированной NLLB-200 для перевода между волоф и французским языками. Она принимает текст и генерирует перевод; в карточке описаны направления с волоф на французский и с французского на волоф. Модель реализована на архитектуре M2M100ForConditionalGeneration и распространяется в формате PyTorch; число параметров по метаданным — 463,7 млн, длина контекста — до 1024 токенов. Лицензия — MIT. Карточка не сообщает оценок качества или ограничений применения.

Модель MiKinSwan/nllb-finetuned-kde4-en-to-mya — дообученная версия facebook/nllb-200-distilled-600M для перевода с английского на бирманский язык. Она построена на архитектуре M2M-100 и предназначена для машинного перевода текста; базовая модель ориентирована на перевод предложений между 200 языками. Контекст модели составляет 1024 токена. В README приведён результат BLEU 2,1167 на оценочном наборе, однако сведений о наборе данных и методике оценки нет, поэтому качество перевода по этому показателю трудно интерпретировать. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

trinhkhng/nuslerp_Merged_gpt2-medium_0.0 — языковая модель, полученная слиянием предварительно обученных моделей GPT-2 с помощью NuSLERP и mergekit. В конфигурации указаны gpt2-medium с весом 1,0 и debias_gpt2-medium с весом 0,0; для токенизатора указан ComCom/gpt2-small. Модель использует архитектуру GPT2LMHeadModel и формат safetensors. Модель предназначена для генерации текста на основе текстового контекста. Окно контекста — 1024 токена. Карточка не приводит специализированных сценариев или языковых характеристик, поэтому область применения можно определить только как общее продолжение текста. Лицензия в предоставленных сведениях не указана.

Helsinki-NLP/opus-mt-af-ru — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с африкаанс на русский и обратно не предназначена: направление перевода — только африкаанс → русский. Модель построена на архитектуре Transformer-align и реализована как MarianMTModel. Она содержит 57,3 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тыс. токенов; родной контекст — 512 токенов. Для набора Tatoeba-test.afr.rus указаны BLEU 38,2 и chr-F 0,580. Подходит для перевода отдельных фраз и текстов с африкаанс на русский. Ограничения включают одностороннее направление перевода, ограничение контекста и возможные ошибки качества; приведённые показатели относятся только к указанному тестовому набору. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ca-uk — модель машинного перевода из семейства MarianMT, разработанная в рамках проекта OPUS. Она переводит текст с каталанского языка на украинский и основана на архитектуре Transformer-align; размер составляет 29 млн параметров, контекст — до 512 токенов. Для предобработки применяются нормализация и SentencePiece с моделью spm4k. В тесте Tatoeba-test.cat.ukr указаны BLEU 28,6 и chr-F 0,503. Модель поддерживает перевод в одном направлении: с каталанского на украинский. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-de-eu — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с немецкого языка на баскский; модель однонаправленная и предназначена для перевода предложений и коротких фрагментов текста. Модель построена на архитектуре Transformer с выравниванием, представлена в Transformers как MarianMTModel и содержит 36,5 млн параметров. Перед обработкой текст нормализуется и токенизируется SentencePiece с моделями размером 12 тысяч токенов. Максимальная длина контекста — 512 токенов. В тесте Tatoeba для пары немецкий—баскский указаны BLEU 31,8 и chr-F 0,574. Модель принимает текст на немецком и выдаёт перевод на баскском. Карточка не описывает ограничения качества за пределами приведённого теста. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-de-he — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с немецкого языка на иврит и подходит для перевода предложений и текстовых материалов между этими языками. Модель основана на архитектуре Marian Transformer, использует нормализацию и SentencePiece; размер составляет 57,5 млн параметров, длина контекста — 512 токенов. Доступны веса PyTorch и TensorFlow. В карточке приведён результат на тестовом наборе Tatoeba.de.he: BLEU 36,6 и chr-F 0,581. Модель распространяется по лицензии Apache-2.0. Она предназначена для одного направления перевода; качество может различаться в зависимости от тематики и формата исходного текста.

Helsinki-NLP/opus-mt-en-eo — модель машинного перевода из семейства OPUS-MT, построенная на архитектуре MarianMT с Transformer и выравниванием. Она переводит текст с английского языка на эсперанто. Для предобработки используются нормализация и SentencePiece. Модель содержит 55,5 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для перевода предложений и текстов с английского на эсперанто. В README приведён результат BLEU 49,5 и chr-F 0,682 на тестовом наборе Tatoeba.en.eo. Распространяется по лицензии Apache-2.0.

Helsinki-NLP разработала opus-mt-en-mt — модель машинного перевода из семейства OPUS-MT на архитектуре MarianMT с трансформером и SentencePiece. Она переводит текст с английского на мальтийский; для нормализации входного текста применяется предварительная обработка. Модель насчитывает 53,9 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель предназначена для перевода предложений и текстов общего назначения с английского на мальтийский. В README приведены результаты на тестовых наборах JW300.en.mt (BLEU 47,5) и Tatoeba.en.mt (BLEU 25,0). Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ms-it — модель машинного перевода из проекта OPUS-MT, разработанная на базе архитектуры Marian. Она переводит текст с малайского языка на итальянский; в обучающих языковых обозначениях исходная сторона охватывает малайский макроязык и индонезийский, а направление модели в карточке указано как ms→it. Модель содержит 54,8 млн параметров, использует Transformer с предварительной нормализацией и SentencePiece; длина контекста — 512 токенов. Доступны веса PyTorch и TensorFlow. Модель подходит для перевода предложений и текстов с малайского на итальянский. В тесте Tatoeba для пары msa–ita указаны BLEU 37,8 и chr-F 0,613. Она не предназначена для обратного перевода или перевода между произвольными языковыми парами. Лицензия — Apache-2.0.

orb-1-mini — компактная модель Orbal для очистки английской диктовки после распознавания речи. Она принимает текст, созданный движком распознавания, и исправляет заполнители пауз, повторы, оговорки и самокоррекции, а также пунктуацию, заглавные буквы и запись чисел. Модель сохраняет слова и их порядок, не сокращает текст, не пересказывает его и не добавляет новую информацию. Предусмотрены промпты для обычной очистки, сообщений в чате и писем. Модель основана на Qwen/Qwen3.5-0.8B и дообучена с помощью LoRA на синтетических примерах, затем объединена и квантизирована до 4-битного формата MLX. Это плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration; размер файлов — около 0,42 ГБ. Она предназначена для локального запуска на Apple silicon, например в приложении Orbal для macOS. README сообщает результаты проверки на 178 английских диктовках: для основного промпта 100% примеров прошли проверку на отсутствие добавленного содержания, а смысл сохранился в 99% случаев по слепой оценке. Модель рассчитана только на английский язык. Формы чисел выше 99 и выражения времени вроде «half past two» исключались из обучения и могут оставаться в исходной словесной форме; длинные диктовки обрабатываются медленнее. Указана лицензия Apache-2.0.

Orthocopter 8B — разговорная языковая модель семейства Llama, опубликованная jeiku. Автор сообщает, что модель создана на основе работы lucyknada и Edgerunners, а затем обучена на двух наборах данных, составленных вручную. Метаданные указывают на объединение моделей, архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Модель предназначена для генерации диалоговых ответов на английском языке. Автор отмечает, что ответы отличаются выраженной индивидуальностью и что модель охотно отвечает без отказов. Контекст составляет 8192 токена; модель принимает текст и генерирует текст. Репозиторий распространяется по лицензии Apache 2.0. Заявление автора об отсутствии отказов указывает на ограниченную устойчивость к запросам, которые обычно требуют отказа. Карточка не приводит оценок качества или подробностей о наборах данных.

POLAR-14B-v0.5 — корейская языковая модель, разработанная AI-Lab компании Plateer. Модель создана под влиянием SOLAR от Upstage и предназначена для генерации текста на корейском языке. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 14,1 млрд параметров; она принимает текст и выдаёт текст, работает через Transformers и имеет контекстное окно 4096 токенов. Модель можно использовать для генерации корейского текста и диалоговых сценариев на её основе. Карточка предупреждает, что ответы могут содержать вредные стереотипы, в том числе о защищённых группах и социальных характеристиках. Модель распространяется по лицензии Apache-2.0.

PRP-Kosmos-EVAA-8B — объединённая разговорная языковая модель, созданная jaspionjader с помощью mergekit и метода SLERP на основе Gryphe/Pantheon-RP-1.0-8b-Llama-3 и jaspionjader/Kosmos-EVAA-gamma-v18-8B. Она использует плотную архитектуру Llama с классом LlamaForCausalLM, содержит 7,5 млрд параметров и работает с контекстом до 8192 токенов. Модель предназначена для генерации текста и диалогов, в том числе ролевого общения и взаимодействия с персонажами — эти сценарии наследуются от базовых моделей. Она поддерживается библиотекой Transformers и распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

Модель ivanovsdesign/sbert-ru-huawei-sentiment-fine-additional — русскоязычная модель классификации текста на архитектуре BERT, разработанная на основе дообученной модели ivanovsdesign/sbert-ru-huawei-sentiment-fine-up. Она предназначена для определения тональности текстов, в частности отзывов о Huawei. Модель содержит 525,7 млн параметров, принимает текст длиной до 512 токенов и выдаёт метку класса. В репозитории веса представлены в формате safetensors. В README приведены результаты валидации: accuracy 0,676, macro-F1 0,469 и weighted-F1 0,653. Эти показатели указывают на ограниченное качество классификации, особенно при оценке по macro-F1; перед применением в критичных сценариях модель следует проверить на целевых данных. Сведения о лицензии в предоставленных данных отсутствуют.

WindyTranslate/translate-es-hil — модель машинного перевода, опубликованная Windstorm Labs и основанная на Helsinki-NLP/opus-mt-es-hil. Это плотная модель MarianMT с 55,5 млн параметров, предназначенная для перевода с испанского языка на хилгайнон. Контекст модели составляет 512 токенов; репозиторий содержит веса в формате safetensors для Transformers. К весам применён LoRA-файнтюнинг на параллельных текстах, после чего адаптер объединён с базовой моделью. Модель подходит для перевода испанских текстов на хилгайнон в приложениях на Transformers. Лицензия — Apache-2.0. Качество перевода пока не оценивалось бенчмарками; доступно только одно направление перевода.

Windstorm Labs опубликовала модель машинного перевода с испанского языка на папьяменто. Это модель архитектуры MarianMT с 53,8 млн параметров и контекстом до 512 токенов, основанная на Helsinki-NLP/opus-mt-es-pap. К весам применили LoRA дообучение на параллельном корпусе и объединили адаптер с базовой моделью; репозиторий содержит сборку Transformers в формате safetensors. Модель предназначена для перевода текста с испанского на папьяменто. В оценке на 48 предложениях FLORES-200 она получила chrF++ 38,11 и BLEU 12,47; авторы относят результат к уровню Usable и отмечают, что это предварительная проверка, а не публикационный результат. Поддерживается только направление es → pap. Лицензия — Apache-2.0.

Windstorm Labs выпустила модель машинного перевода с испанского на тагальский. Это дообученная версия Helsinki-NLP/opus-mt-es-tl: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,7 млн параметров и рассчитана на контекст до 512 токенов. Репозиторий содержит сборку Transformers в формате safetensors. Модель предназначена для перевода испанских фраз и текстов на тагальский. Качество перевода ещё не оценивалось бенчмарками; подтверждено изменение весов относительно исходной модели, но это само по себе не свидетельствует о качестве. Поддерживается только направление es→tl. Лицензия — Apache-2.0.

gshields/translate_model_error_v0.2 — модель машинного перевода на базе Helsinki-NLP/opus-mt-en-hi, дообученная разработчиком gshields на неизвестном наборе данных. Она предназначена для перевода текста с английского языка на хинди. Модель использует архитектуру MarianMT, содержит 56,9 млн параметров, работает с текстом и имеет контекст длиной до 512 токенов. В README приведены результаты оценки: loss 2,9607 и BLEU 28,9479. Данных о наборе для обучения, целевой аудитории или специальных сценариях применения нет. Модель распространяется по лицензии Apache-2.0.

Tsunami-1.0-14B-Instruct — тайская инструкционная языковая модель, созданная Pollakrit Lorprasertkul на основе Qwen2.5-14B и Qwen2.5-14B-Instruct. Модель объединяет базовые модели Qwen2.5 и дообучение на тайских данных; использует плотную архитектуру Qwen2 и формат диалога ChatML. Модель предназначена для диалогов и генерации текста на тайском языке, в том числе для ответов на вопросы и структурированных ответов. Она содержит 14 млрд параметров, поддерживает контекст до 131 072 токенов и имеет интерфейс для вызова инструментов. В README приведены результаты сравнения на тайском экзамене и M3Exam, но полная таблица результатов недоступна. Репозиторий распространяется под лицензией Apache-2.0. Модель ориентирована прежде всего на тайский язык; метаданные также отмечают английский. Результаты бенчмарков сами по себе не позволяют оценить качество на широком круге задач.

Raniahossam33/uae-translation-qwen2.5-0.5b — дообученная модель Qwen2.5-0.5B-Instruct, созданная с помощью TRL. Это плотная авторегрессионная языковая модель семейства Qwen2, предназначенная для генерации текста и диалогов; карточка также указывает сценарий перевода для ОАЭ в названии модели, но не описывает языковые пары или качество перевода. Модель содержит 494 млн параметров, принимает текст и поддерживает контекст до 32 768 токенов. В метаданных отмечены чат-возможности и интерфейс вызова инструментов. Модель можно применять для диалоговых ответов и генерации текста, а предполагаемую специализацию на переводе следует проверять на собственных примерах. В карточке не приведены результаты оценки качества, данные обучения или подробности языковой поддержки. Лицензия в предоставленных данных не указана.

Bert Emotion Classifier — англоязычный классификатор эмоций, разработанный автором репозитория на основе BERT-base-uncased и дообученный на наборе GoEmotions. Модель выполняет многометочную классификацию текста по 28 эмоциям: одному комментарию могут соответствовать несколько меток с оценками вероятности. Архитектура — BertForSequenceClassification; метаданные указывают 136,7 млн параметров и контекст до 512 токенов. В README описана настройка с максимальной длиной входа 128 токенов, поддерживаются веса Safetensors и формат ONNX. Модель предназначена прежде всего для анализа коротких англоязычных комментариев в стиле Reddit: определения эмоций в пользовательских сообщениях, исследования тональности общения и построения аналитики по эмоциональным реакциям. Для версии с оптимизированными порогами автор сообщает Micro F1 0,6006 и Macro F1 0,5390 на тестовой выборке. Модель распространяется по лицензии MIT. Качество может снижаться на текстах, отличающихся от комментариев Reddit, а редкие эмоции распознаются хуже из-за малого числа примеров. Для воспроизводимых предсказаний следует применять описанную предобработку: заменять упоминания, названия сообществ и URL, преобразовывать эмодзи в текст и переводить текст в нижний регистр.

BowLingual-E4B-v1.5 — дообученная модель Gemma 4 E4B от автора stenml, предназначенная для перевода с английского на разговорный тайский. Она ориентирована на естественные формулировки в неформальной переписке, например в LINE и Messenger, а не на буквальный или учебниковый перевод. Модель основана на unsloth/gemma-4-E4B-it и дообучена методом SFT с BF16 LoRA; обучаемая часть содержит около 36,7 млн параметров. В финальный набор вошли 17 437 дедуплицированных примеров из курируемого набора BowLingual и отобранных данных Wisesight и SCB-MT. В метаданных указаны архитектура Gemma 4 и формат safetensors; базовая модель мультимодальная, однако эта версия предназначена для текстового перевода. Модель подходит для локализации коротких сообщений и неформальных диалогов с английского на тайский. Она не оптимизирована для юридического, медицинского, технического и другого формального перевода. При использовании и распространении данных обучения следует учитывать условия исходных наборов, включая CC BY-SA 4.0 для SCB-MT-EN-TH-2020.

surrey-nlp разработала DiaLLM Qwen 3-8B AUS GRPO — плотную авторегрессионную языковую модель семейства Qwen3 с 7,6 млрд параметров, предназначенную для генерации текста на австралийском варианте английского языка. Модель дообучена на основе jordanpainter/diallm-qwen-sft-aus с помощью GRPO после диалектно-ориентированного SFT на данных предпочтений en-AU; в предшествующей подготовке использовался International Corpus of English с 18 вариантами английского языка и примерно 20 млн токенов. Модель поддерживает контекст до 40 960 токенов и доступна в формате Safetensors для Transformers. Она подходит для диалоговых ответов и генерации текста с лексикой и особенностями австралийского английского. В исследовании DiaLLM модель используется для изучения адаптации к диалектам английского языка. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества; специализация на en-AU не гарантирует одинакового качества для других вариантов английского или языков.