III.4Клиентская поддержка и customer success

ScopeGuard-2 — специализированная языковая модель на 4 млрд параметров от Principled Intelligence для классификации запросов по границам и правилам AI-сервиса. Она анализирует последнее сообщение пользователя с учётом предыдущих реплик и относит запрос к одному из семи классов, на основе которых приложение может ответить, отказать, перенаправить запрос, отправить заранее заданный ответ или передать его человеку. Модель предназначена для проверки запросов в рабочих приложениях, предварительной проверки действий агентов и маршрутизации обращений. Модель дообучена на базе unsloth/Qwen3.5-4B и распространяется в формате safetensors для Transformers. В README заявлены улучшенная точность и меньшая задержка по сравнению с предыдущей версией; результаты зависят от промпта и условий оценки. Обучающие данные преимущественно англоязычные, а качество классификации на других языках не измерялось. Для корректной работы без библиотеки orbitals требуется в точности воспроизводить обучающий промпт. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

Windstorm Labs опубликовала модель машинного перевода с греческого языка на шведский. Это дообученная версия Helsinki-NLP/opus-mt-el-sv: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель построена на архитектуре Marian и содержит 55,8 млн параметров; она доступна в формате safetensors для Transformers, с контекстом до 512 токенов. Модель предназначена для перевода текстов с греческого на шведский. В проверке на 48 предложениях FLORES-200 она получила chrF++ 50,90 и BLEU 22,51; это скрининговая оценка, а не результат публикационного исследования. Модель распространяется по лицензии Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с английского на галисийский. Это дообученная версия Helsinki-NLP/opus-mt-en-gl на базе архитектуры MarianMT: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель содержит 53,6 млн параметров, работает с текстом и имеет контекстное окно 512 токенов. Модель предназначена для перевода коротких текстов с английского на галисийский. В карточке приведён скрининговый результат на 48 предложениях FLORES-200 dev: chrF++ 43,64 и BLEU 18,88; авторы оценивают результат как пригодный для использования, но не как публикационный бенчмарк. Доступны веса safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-eu-en — модель машинного перевода Windstorm Labs для перевода с баскского языка на английский. Она основана на Helsinki-NLP/opus-mt-eu-en: к исходным весам применили дообучение LoRA на параллельных текстах и объединили адаптер с базовой моделью. Модель MarianMT содержит 55,1 млн параметров, использует библиотеку Transformers и формат safetensors; длина контекста — 512 токенов. Модель предназначена для перевода текста с баскского на английский. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 45,32 и BLEU 14,52; авторы характеризуют результат как предварительную оценку, а не публикационный результат. Модель поддерживает только одно направление перевода. Лицензия — Apache-2.0.

WindyTranslate/translate-fr-lu — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fr-lu: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,7 млн параметров и работает с текстом на французском и люксембургском языках в направлении с французского на люксембургский; длина контекста — 512 токенов. Модель предназначена для перевода текстов с французского на люксембургский. Репозиторий содержит веса в формате safetensors для загрузки через Transformers. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность для конкретных сценариев следует проверять отдельно. Поддерживается только одно направление перевода. Лицензия — Apache-2.0.

fpadovani/urd-arab-100mb-after-ppt-Dp-10mb-ckpt500_seed10 — дообученная модель семейства GPT-2, созданная на базе fpadovani/urd-arab-100mb-ppt-Dp-10mb_seed10 с использованием TRL. Она предназначена для генерации текста; в примере карточки показана генерация ответа на открытый вопрос. Модель имеет архитектуру GPT2LMHeadModel, веса представлены в формате safetensors, длина контекста — 512 токенов. Лицензия в доступных данных не указана.

WiroAI разработала WiroAI-Finance-Llama-8B — языковую модель для генерации текста и диалогов по финансовым инструкциям. Она основана на архитектуре Llama и объединяет DeepSeek-R1-Distill-Llama-8B с Llama-3.1-8B-Instruct; в README указано дообучение методом SFT на датасете Finance-Instruct-500k, а метаданные отмечают слияние моделей. Репозиторий содержит веса в формате safetensors, модель рассчитана на контекст до 131 072 токенов и включает интерфейс чата и вызова инструментов. Модель подходит для ответов на финансовые вопросы и подготовки текстов по финансовым инструкциям. Она содержит 7,5 млрд параметров и распространяется по лицензии Apache-2.0. Качество ответов, актуальность финансовых сведений и надёжность вызова инструментов в карточке не оценены; результаты требуют проверки, особенно перед принятием финансовых решений.

alexmt-qwen3-0.6b-sft — диалоговая модель для перевода между английским и девятью разновидностями разговорного арабского языка. Её разработчик дообучил Qwen3-0.6B методом supervised fine-tuning на обучающей части набора Alexandria; модель содержит 507,9 млн параметров, использует плотную архитектуру Qwen3 и формат safetensors. В метаданных указан контекст 40 960 токенов. Модель предназначена для контекстного перевода реплик в диалогах: вход включает до трёх предыдущих реплик, а также сведения о домене, участниках и направлении гендерных характеристик говорящего и адресата. Она принимает промпт в JSON-формате Alexandria как одну пользовательскую реплику и возвращает перевод в поле translation. Обучение охватывает направления английский → диалектный арабский и диалектный арабский → английский для вариантов Египта, Иордании, Ливана, Марокко, Омана, Палестины, Саудовской Аравии, Сирии и Йемена. В отчёте приведены метрики spBLEU и chrF++ на открытом тестовом наборе Alexandria, но диалектная точность отдельно не оценивалась. Результаты получены с одним случайным начальным состоянием и одним разбиением данных, поэтому они ограниченно характеризуют качество и напрямую не сопоставимы с результатами статьи Alexandria или соревнования AlexandriaX. Лицензия CC-BY-NC-4.0 разрешает использование на некоммерческих условиях.

BowLingual-12B-v1 — дообученная модель stenml на базе google/gemma-4-12B-it для разговорного перевода с английского на тайский. Она рассчитана на неформальные сообщения в чатах LINE и Messenger и помогает сохранять естественный тон, прямоту и эмоциональную окраску исходного текста. Модель построена на архитектуре Gemma 4 Unified, использует библиотеку Transformers и распространяется в формате safetensors; доступен также отдельный релиз Q4_K_M GGUF. Модель поддерживает диалоговый формат и мультимодальные входы базовой модели, однако мультимодальные возможности после дообучения отдельно не оценивались. Для перевода можно использовать генерацию с температурой 1,0, top-p 0,95 и top-k 64; более низкая температура может уменьшить вариативность. Формальных результатов бенчмарков нет. Модель распространяется по лицензии Apache-2.0.

DuplexJev-B-SenseVoice-Small-Qwen3-0.6B — компактный аудиотекстовый коннектор для коротких решений по речи. Он объединяет замороженный энкодер SenseVoice-Small с замороженной языковой моделью Qwen3-0.6B; обучаемая часть — проектор SwiGLU с укладкой аудиокадров, содержащий 8,4 млн параметров. Модель преобразует аудио в представление для языковой модели и оценивает варианты ответа по распределению вероятностей одного токена, поэтому может обрабатывать несколько вопросов за один проход без генерации последовательности токенов. Модель предназначена для коротких задач по аудиоклипам, включая вопросы о содержании речи и признаки говорящего, например эмоции. README приводит результаты на небольших тестовых наборах и задержку для одного события решения; качество зависит от формулировки подсказки. Модель не рассчитана на открытые вопросы, требующие широких знаний, или на потоковую обработку. README предостерегает от использования меток эмоций для принятия решений об отдельных людях. Коннектор работает только с указанными энкодером SenseVoice и Qwen3-0.6B. Лицензия — Apache-2.0.

EastAsia-4x7B-Moe-experiment — экспериментальная языковая модель семейства Mixtral, созданная с помощью LazyMergekit как смесь экспертов из моделей Breeze-7B-Instruct-v0.1, shisa-7b-v1 и OPEN-SOLAR-KO-10.7B. Модель предназначена прежде всего для генерации текста и перевода на китайском, японском и корейском языках: маршрутизация экспертов настроена на соответствующие запросы о переводе. Архитектура — MoE с классом MixtralForCausalLM; в репозитории указано 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors. Модель может использоваться для генерации ответов и переводов на восточноазиатских языках, однако README приводит лишь ограниченные результаты общих бенчмарков и не подтверждает качество перевода или пригодность для конкретных сценариев. Лицензия — Apache-2.0.

jin8191/gemma-2b-brain-v3 — дообученная модель семейства Gemma 4, созданная jin8191 на базе unsloth/gemma-4-e2b-it-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для диалоговых задач с изображениями и текстом: принимает текст и изображения, формируя текстовый ответ. В метаданных указаны архитектура Gemma4ForConditionalGeneration, поддержка чата и vision, а также формат safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает её специальные сценарии обучения и подтверждённые ограничения качества.

Hirashiba-MT-zh-vi — компактная модель машинного перевода на архитектуре MarianMT, представленная пользователем chi-vi. По метаданным, она содержит 11,6 млн параметров и предназначена для перевода с китайского языка на вьетнамский. Модель доступна в формате safetensors для библиотеки Transformers; максимальная длина контекста составляет 512 токенов. README не раскрывает дополнительных сценариев применения, а его описание про «контроль доступа и пополнение воды» не согласуется с задачей перевода в метаданных. Модель распространяется по лицензии GPL-3.0.

taeminlee/kogpt2 — репозиторий с KoGPT2 версии 1.0 от SKT-AI, подготовленной для использования через библиотеку Transformers. Это плотная авторегрессионная языковая модель семейства GPT-2 для генерации текста; карточка приводит примеры применения для повседневного диалогового чат-бота и генерации отзывов о косметике. Модель поддерживает корейский язык, имеет контекст до 1024 токенов и опубликована в форматах PyTorch, Flax и Safetensors. В карточке сказано, что SKT-AI выпустила KoGPT2 версии 2.0, но этот репозиторий содержит версию 1.0. Указанные примеры не гарантируют точность или фактическую достоверность сгенерированных ответов и отзывов. Лицензия в доступных сведениях не приведена.

KoGPT2 — авторегрессионная языковая модель на архитектуре GPT-2, разработанная SK Telecom для генерации текста на корейском языке. Модель обучена на более чем 40 ГБ текстовых данных и предназначена для продолжения текста и генерации предложений. Это декодерная модель GPT-2 с 12 слоями, 12 головами внимания и размерностью скрытого представления 768. Максимальная длина контекста — 1024 токена; словарь содержит 51 200 токенов. Модель принимает текст и генерирует текст, в первую очередь на корейском языке. Модель доступна по лицензии CC BY-NC-SA 4.0. Карточка предупреждает о возможных предвзятости и рисках, характерных для языковых моделей.

gywy/llama2-13b-chinese-v2 — китайская языковая модель, созданная на архитектуре Llama 2 и предназначенная для генерации текста и диалогов на китайском языке. Автор сообщает, что расширил словарь для китайского языка и добавил возможности логического рассуждения и понимания здравого смысла. Модель содержит 12,9 млрд параметров, использует формат PyTorch и поддерживает контекст до 4096 токенов. Для диалога в начале запроса предлагается ставить маркер «### 任务:», а перед ответом — «### 回复:». Карточка показывает пример ответа на бытовой вопрос и упоминает многоходовой диалог. Модель может использоваться для китайских чат-ботов, ответов на вопросы и генерации текста. Количественных оценок качества в карточке нет. Условия лицензии в доступных данных не приведены.

Finnish-NLP разработала llama-3b-finnish — плотную авторегрессионную модель семейства Llama с 3,4 млрд параметров по метаданным (в README указано 3,6 млрд). Модель обучена с нуля на финских текстах для предсказания следующего токена; контекст составляет 2048 токенов. Для токенизации используется BPE на SentencePiece с словарём из 64 256 токенов, регистр учитывается. Модель предназначена прежде всего для продолжения и генерации финского текста по текстовой подсказке. Её также можно дообучить для последующих задач, например следования инструкциям, однако исходная версия не проходила обучение для диалогов или инструкций. Обучение проводилось на корпусах веб-текстов, новостей, Википедии, Reddit и других финских источников. Модель распространяется по лицензии Apache-2.0. Интернет-источники в обучающей выборке могут приводить к предвзятым ответам; фильтрация токсичных текстов не гарантирует их полного удаления. Для более надёжной работы в прикладных задачах может потребоваться дообучение.

maid-yuzu-v2 — объединённая модель языковых моделей, созданная автором репозитория с помощью mergekit. В слиянии методом SLERP участвовали smelborp/MixtralOrochi8x7B и ycros/BagelMIsteryTour-v2-8x7B; архитектура — MixtralForCausalLM с разреженной архитектурой MoE. В репозитории указано 7,1 млрд параметров, веса представлены в формате safetensors; нативный контекст составляет 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов. Карточка описывает её как эксперимент по объединению двух понравившихся автору моделей, но не приводит отдельной оценки качества или подробных сценариев применения. Базовая MixtralOrochi8x7B рассчитана на генерацию английских ответов и диалогов; данных о дополнительных языках для этой модели нет. Лицензия в предоставленных сведениях не указана. Практические ограничения, помимо экспериментального характера и отсутствия опубликованных оценок в карточке, не описаны.

Карточка модели MergekitCloud/mergekit-52 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-72, поэтому описание составлено по ней. MergekitCloud/mergekit-72 — языковая модель для диалоговой генерации текста, созданная объединением нескольких моделей семейства Llama 3.1 с помощью метода Model Stock в mergekit. В качестве базовой модели использована vicgalle/Humanish-Roleplay-Llama-3.1-8B; в объединение также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Модель предназначена для генерации ответов в чате и ролевых диалогов, включая сценарии с более свободными ответами. Указанные в названиях исходных моделей особенности предполагают ориентацию на ролевое общение и контент с ослабленными ограничениями, однако карточка не описывает отдельные гарантированные навыки или результаты оценки. Данные о лицензии и конкретной поддержке языков не представлены, поэтому условия использования и языковой охват по имеющимся сведениям определить нельзя.

Карточка модели MergekitCloud/mergekit-70 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-11, поэтому описание составлено по ней. MergekitCloud/mergekit-11 — объединённая языковая модель, созданная с помощью mergekit методом Model Stock на базе vicgalle/Humanish-Roleplay-Llama-3.1-8B. В объединение вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель построена на архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; веса опубликованы в формате safetensors, библиотека — Transformers. Модель предназначена для диалоговой генерации текста и ролевых сценариев. Она принимает текстовые запросы и генерирует текст; заявленная длина контекста — 131 072 токена. Метаданные указывают на разговорные возможности, но README не приводит оценок качества или подробностей о поддерживаемых языках. Объединённые исходные модели ориентированы на ролевое общение и более свободные ответы. Лицензия в предоставленных данных не указана. Возможны ограничения качества и поведения, характерные для объединённых моделей; README не содержит результатов оценки или рекомендаций по безопасному применению.

opsiryotzu дообучил MiniCPM5-1B для использования на индонезийском языке. Это плотная языковая модель архитектуры Llama с 837,6 млн параметров, представленная в формате safetensors. Она предназначена для генерации текста и диалогов на индонезийском; базовая модель также поддерживает английский и китайский. Контекстное окно составляет до 131 072 токенов, доступны чат-интерфейс и интерфейс вызова инструментов. Модель опубликована по лицензии Apache-2.0. В README модель названа экспериментом по адаптации базовой модели к индонезийскому языку. Поэтому её качество для конкретных задач следует проверять отдельно; данных о результатах оценки в карточке нет.

MoshiRAG — разработанная Kyutai компактная полно-дуплексная речевая языковая модель, предназначенная для диалога в реальном времени с асинхронным поиском внешних сведений. В этой версии используются Candle на Rust и точность bf16; репозиторий содержит только речевую фронтальную модель, а не систему поиска целиком. Модель непрерывно слушает и отвечает, а при необходимости запускает получение справочных текстов в параллельном бэкенде. Во время ожидания она может произносить краткие предварительные ответы, после чего использует найденные сведения для последующих фрагментов ответа. Для формирования контекста бэкенду нужны текст внутреннего монолога модели и транскрипция речи пользователя; для транскрипции требуется отдельная потоковая ASR-модель. Модель рассчитана на английский язык и дообучена на основе kyutai/moshika-candle-bf16. Лицензия — CC-BY 4.0. К ограничениям относятся сравнительно ограниченные возможности и смещения в сторону тем, чаще представленных в обучающих данных. Качество и безопасность ответов с опорой на источники зависят от выбранного поискового бэкенда; модель обучена использовать один голос. Разработчик не рекомендует применять её для профессиональных консультаций или имитации личности.

Phuoc06/my_awesome_eli5_clm-model — дообученная автором Phuoc06 компактная англоязычная модель семейства GPT-2 на базе distilbert/distilgpt2 для генерации текста. Она использует архитектуру GPT2LMHeadModel, библиотеку Transformers и веса в формате Safetensors; контекст составляет 1024 токена. В карточке указана оценка Loss 3,8025 на тестовом наборе, однако название и состав набора данных не раскрыты, поэтому эта оценка не позволяет уверенно судить о качестве для конкретных задач. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-om — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на оромо. Модель построена на архитектуре MarianMT с Transformer, содержит 55,8 млн параметров и использует нормализацию текста и токенизацию SentencePiece; максимальная длина контекста — 512 токенов. Для обучения использован корпус OPUS. В карточке приведены результаты на тестовом наборе JW300.en.om: BLEU 21,8 и chr-F 0,498. Модель распространяется в форматах PyTorch и TensorFlow по лицензии Apache-2.0. Она предназначена для перевода с английского на оромо; качество на других языковых направлениях не подтверждено.

Helsinki-NLP/opus-mt-en-sn — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на шона. Модель построена на архитектуре Transformer-align и использует нормализацию текста и токенизацию SentencePiece; число параметров составляет 56,5 млн, длина контекста — до 512 токенов. Модель предназначена для перевода английских текстов на шона. В карточке приведена оценка BLEU 38,0 и chr-F 0,646 на тестовом наборе JW300.en.sn. Доступны веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-he-ru — модель машинного перевода с иврита на русский язык, опубликованная Helsinki-NLP в рамках проекта OPUS-MT. Это трансформер Marian с 57,6 млн параметров; модель принимает текст на иврите и генерирует перевод на русском. Для предварительной обработки используются нормализация и SentencePiece с отдельными словарями размером 32 тыс. токенов. Указанная длина контекста — 512 токенов. Модель предназначена для перевода отдельных текстов с иврита на русский. В README приведён результат BLEU 40,5 на тестовом наборе Tatoeba-test.heb.rus; качество может отличаться на других темах и типах текстов. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ja-he — модель машинного перевода японского текста на иврит, выпущенная в рамках проекта OPUS-MT. Это плотная encoder-decoder модель семейства Marian на архитектуре Transformer-align с 58,4 млн параметров; она использует нормализацию и SentencePiece с отдельными словарями по 32 тыс. токенов для исходного и целевого текста. Модель принимает японский текст и генерирует перевод на иврите; заявленная длина контекста — 512 токенов. Модель подходит для перевода отдельных фраз и текстов с японского на иврит. В карточке приведён результат BLEU 20,2 и chr-F 0,397 на тестовом наборе Tatoeba-test.jpn.heb. Репозиторий предоставляет веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

karthikqnq/qnqgpt2 — дообученная авторегрессионная языковая модель на архитектуре GPT-2, опубликованная пользователем karthikqnq. Она предназначена для генерации продолжения текста по текстовому запросу. В метаданных указаны базовая модель openai-community/gpt2, контекст 1024 токена, формат safetensors и языки английский и тамильский. Модель заявлена как GPT-2, но сведения о конкретных сценариях применения и обучающих данных в карточке не раскрыты. Лицензия — MIT.

RoGemma2-9b-Instruct-2024-10-09 — инструктивная языковая модель OpenLLM-Ro для генерации текста и диалога на румынском языке. Это плотная авторегрессионная модель семейства Gemma 2 с 9 млрд параметров, дообученная на основе google/gemma-2-9b-it. Контекст модели составляет 8192 токена; веса представлены в формате safetensors. Модель предназначена для исследовательского использования и сценариев ассистентского общения: она может отвечать на вопросы, следовать инструкциям и создавать текст на румынском языке. Для её дообучения использованы наборы RoAlpaca, RoAlpacaGPT4, RoDolly, RoSelfInstruct, RoNoRobots, RoOrca, RoCamel, RoOpenAssistant и RoUltraChat. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование; карточка также исключает применение на других языках.

TaliML-7B-ITA-V.1.0.FINAL — итальянская разговорная языковая модель, созданная разработчиком TaliStran на базе Mistral 7B. Модель дообучена на небольшом наборе примерно из 500 пар вопросов и ответов, чтобы понимать запросы на итальянском языке и давать связные ответы. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекстное окно до 32 768 токенов. Она предназначена для генерации текста в диалоге, прежде всего для ответов на вопросы на итальянском языке. В README модель обозначена как находящаяся в тестировании и предполагающая дальнейшие улучшения. Качество ответов не гарантирует фактическую точность; небольшой обучающий набор ограничивает охват тем и надёжность ответов. В метаданных указана лицензия Apache-2.0.