III.4Клиентская поддержка и customer success

WindyTranslate/translate-en-loz — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-en-loz: LoRA-настройка на параллельных текстах объединена с базовыми весами. Модель построена на архитектуре Marian и содержит 54,8 млн параметров; репозиторий включает сборку Transformers в формате safetensors, а длина контекста составляет 512 токенов. Модель предназначена для перевода текста с английского на лозийский язык. Она поддерживает только это направление перевода. Для неё проверено соответствие выходного языка заявленному, но оценка качества перевода не проводилась. Модель распространяется по лицензии Apache-2.0.

Модель WindyTranslate/translate-en-lue — дообученная система машинного перевода, опубликованная Windstorm Labs. Она переводит текст с английского на lue и подходит для однонаправленного перевода фраз и документов. Основа — архитектура MarianMT с 56,6 млн параметров; веса safetensors доступны для загрузки через Transformers, а нативный контекст составляет 512 токенов. Разработчик объединил с базовыми весами LoRA-дообучение на параллельном корпусе. Качество перевода ещё не оценено: проверка GlotLID подтвердила язык результата, но не его точность. Модель распространяется по лицензии Apache-2.0.

WindyTranslate/translate-en-sm — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с английского на самоанский. Она основана на Helsinki-NLP/opus-mt-en-sm и использует архитектуру MarianMT; число параметров — 53,3 млн, длина контекста — 512 токенов. Модель работает с текстом и распространяется в формате safetensors для Transformers. Весовые параметры доработаны LoRA-обучением на параллельном корпусе, после чего адаптер объединён с базовой моделью. В проверке на 48 предложениях FLORES-200 модель получила chrF++ 37,44 и BLEU 13,44; авторы относят результат к уровню Usable и отмечают, что это скрининговая оценка, а не результат публикационного исследования. Лицензия — Apache-2.0. Модель рассчитана только на направление английский → самоанский. Качество следует оценивать на целевых текстах: опубликованная оценка основана на небольшой выборке, а качество не гарантируется самим размером модели или объёмом дообучения.

Windstorm Labs опубликовала модель машинного перевода с испанского на язык лоз (loz). Это дообученная версия Helsinki-NLP/opus-mt-es-loz: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,3 млн параметров и принимает текст с контекстом до 512 токенов, выдавая перевод текстом. Модель предназначена для перевода текстов с испанского на лоз. В репозитории размещена сборка Transformers в формате safetensors; лицензия — Apache-2.0. Качество этой версии пока не оценивалось на бенчмарках, поэтому её пригодность для конкретных сценариев следует проверять на собственных данных.

WindyTranslate/translate-es-swc — модель машинного перевода от Windstorm Labs, дообученная на параллельных данных на основе Helsinki-NLP/opus-mt-es-swc. Это модель архитектуры MarianMT с 56,1 млн параметров и контекстом до 512 токенов; LoRA-настройка объединена с базовыми весами. Модель переводит текст с испанского языка на конголезский суахили (swc) и предназначена для перевода предложений и документов в этом направлении. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0. Качество перевода пока не оценивалось бенчмарком, поэтому пригодность для конкретного сценария следует проверять на собственных данных. Модель поддерживает только направление es→swc.

WindyTranslate/translate-fr-efi — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с французского языка на эфик. Это дообученная версия Helsinki-NLP/opus-mt-fr-efi: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель MarianMT содержит 55,6 млн параметров, принимает текст и выдаёт текст; её длина контекста — 512 токенов. Модель можно применять для перевода текстов с французского на эфик. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0. Качество перевода не оценивалось бенчмарком, поэтому пригодность для конкретных задач требует отдельной проверки.

Locutusque Apollo 2.0 — языковая модель для генерации текста, разработанная Locutusque на основе Llama 3.1 8B. Модель дообучена методом SFT на наборе Locutusque/ApolloRP-2.0-SFT и предназначена прежде всего для ролевых диалогов, следования инструкциям и общения. В карточке сообщается о повышении результата примерно на 50 пунктов Elo относительно предварительных версий на таблице лидеров Chaiverse. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. Она принимает и генерирует текст, рассчитана на английский язык и поддерживает чат. Веса опубликованы в формате safetensors. Разработчик характеризует модель как не подвергавшуюся цензурированию; это может приводить к нежелательным или рискованным ответам. Лицензия — Llama 3.1 Community License Agreement.

BeagleLake-7B-Toxic — дообученная fhai50032 чат-модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста, диалогов и ролевых сценариев; автор описывает её как менее склонную к отказам без специального промптинга. Обучение выполнялось методом QLoRA на 4-битной основе, в том числе на наборах с токсичными и снятыми ограничениями диалогами. Модель принимает текст и выдаёт текст, поддерживает шаблоны Alpaca и ChatML. Метаданные указывают контекст до 32 768 токенов; карточка также сообщает о максимальной длине последовательности 1 024 токена при обучении. Основной заявленный язык — английский. Лицензия — Apache-2.0.

swardiantara/bert-tiny-amazon_reviews-k3-fixed-cosine — компактная модель Sentence Transformers, дообученная автором swardiantara на базе google/bert_uncased_L-2_H-128_A-2. Она кодирует предложения и абзацы в плотные векторы размерности 128 и предназначена для поиска и сравнения текстов по косинусному сходству. Архитектура включает двухслойный BERT с усредняющим pooling; в метаданных указано 4,4 млн параметров. Модель принимает текст, поддерживает последовательности длиной до 128 токенов по карточке модели и имеет предел контекста 512 токенов в метаданных. Обучение проводилось на 200 120 парах текстов и оценок, связанных с отзывами Amazon. Это делает модель подходящей для поиска похожих отзывов и извлечения текстов по смысловой близости. Базовая модель англоязычная, и примеры обучающих данных также на английском; подтверждений поддержки других языков нет. Лицензия в предоставленных источниках не указана.

Модель heranm/finetuning-sentiment-model-3000-samples — дообученная версия distilbert-base-uncased для классификации тональности текстов отзывов. Она использует архитектуру DistilBERT и обучалась на датасете IMDb; в карточке указаны точность 0,8733 и F1 0,8766 на оценочной выборке. Модель рассчитана на классификацию текста, в частности отзывов о фильмах, в пределах контекста до 512 токенов. Модель принимает текст и выдаёт метку класса тональности. Она может быть полезна для автоматической сортировки отзывов и анализа мнений пользователей. Опубликована в формате PyTorch под лицензией Apache-2.0. Данные карточки не уточняют набор меток и ограничения применимости за пределами IMDb.

Модель yukta10/finetuning-sentiment-model-3000-samples — дообученная на датасете IMDB модель классификации текста на базе DistilBERT. Она предназначена для определения тональности текстов, в частности отзывов о фильмах. Архитектура — DistilBertForSequenceClassification; модель принимает текст, максимальная длина контекста составляет 512 токенов, веса представлены в формате PyTorch. В README не приведены подробности о метках классов, метриках качества или обучающих настройках. Модель опубликована под лицензией Apache-2.0.

GPT2_EmpAI — дообученная модель генерации текста на основе openai-community/gpt2. Она использует плотную авторегрессионную архитектуру GPT-2 и предназначена для продолжения текста по промпту. В README приведено значение loss 2,7913 на наборе оценки, но назначение дообучения и тематика данных не раскрыты. Модель принимает текст и генерирует текст. Контекст составляет 1024 токена; файлы весов представлены в формате safetensors. В карточке указана лицензия MIT. Поддерживаемые языки и специализированные сценарии применения не описаны.

GPT-Neo 125M Dutch — языковая модель семейства GPT-Neo, разработанная yhavinga и обученная с нуля на очищенном нидерландском корпусе mC4. В модели около 137,7 млн параметров; она использует плотную архитектуру GPTNeoForCausalLM и рассчитана на контекст до 2048 токенов. Для токенизации применяется BPE-токенизатор, обученный на нидерландских данных. Модель предназначена для продолжения нидерландского текста и генерации текста через Transformers. В README приведена perplexity 20,9 на очищенном нидерландском mC4. Доступны веса в форматах PyTorch, Flax и safetensors; лицензия в предоставленных данных не указана.

ManhHoDinh/lfm25-titlegen-curriculum — дообученная текстовая модель на базе LiquidAI/LFM2.5-230M, предназначенная для генерации кратких информативных заголовков по пользовательским сообщениям или диалогам. Модель использует плотную архитектуру LFM2 и поддерживает интерфейс чата; в метаданных указано 221,2 млн параметров и контекст до 128 000 токенов. Веса опубликованы в формате safetensors, библиотека для работы — Transformers. Карточка описывает вариант обучения Curriculum в сравнительном бенчмарке генерации заголовков для 17 языков. В тестовой части было 2 550 примеров; результаты оценивались автоматически по релевантности, охвату намерения, точности передачи смысла и сущностей, краткости, беглости и безопасности. По README фактически оценивались только английский и вьетнамский языки, поэтому результаты нельзя считать подтверждением качества на остальных заявленных языках. Бенчмарк не подтверждает готовность модели к промышленному применению: проверка опиралась на одного автоматического оценщика, не включала нативную проверку носителями языка и реальные нагрузочные испытания. Также отмечены невысокий охват намерения и проблемы с сохранением сущностей. Лицензия в метаданных обозначена как other; конкретные условия использования в предоставленных данных не раскрыты.

Это диалоговая языковая модель семейства Llama, дообученная разработчиком yzhuang на наборе данных generator на основе meta-llama/Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; контекст составляет 8192 токена. Репозиторий содержит веса в формате safetensors. Модель можно применять для генерации ответов и ведения диалога. Название указывает на специализацию fictional arc Chinese, однако README не раскрывает состав обучения, целевые сценарии или подтверждённый уровень поддержки китайского языка. Лицензия указана как other, поэтому условия использования следует уточнять в карточке модели и у правообладателей базовой модели.

Mistral-portuguese-luana-7b-chat — диалоговая языковая модель, созданная Rhaymison на базе Mistral-7B-Instruct-v0.2 и дообученная для общения на португальском языке. По карточке, обучение проводилось на более чем 250 тысячах португалоязычных диалогов; метаданные указывают набор данных rhaymison/ultrachat-easy-use. Модель предназначена для чата, ответов на инструкции и повседневных вопросов на португальском языке. Это плотная архитектура MistralForCausalLM на 7,1 млрд параметров с контекстом до 32 768 токенов. Она работает через библиотеку Transformers, веса доступны в формате safetensors; для запуска автор рекомендует GPU и описывает использование 4- или 8-битной квантизации при нехватке памяти. В README приведён пример диалога с советами для выходных и результаты оценки на португальском бенчмарке. Модель компактнее крупных языковых моделей и ориентирована прежде всего на португальский чат; качество на других языках и специализированных задачах не подтверждено. Лицензия — Apache-2.0.

quangvu197/mt5-small-finetuned-amazon-en-es — дообученная модель Google mT5-small для суммаризации. Она построена на архитектуре MT5ForConditionalGeneration с плотными слоями и содержит 157,4 млн параметров; веса представлены в формате safetensors. Название репозитория указывает на настройку для Amazon и английского и испанского языков, однако README не раскрывает назначение датасета и подробности обучения. Модель предназначена для создания краткого текста по входному тексту. Базовая mT5 — многоязычная модель преобразования текста в текст, но результаты этой версии приведены только для суммаризации: ROUGE-1 17,37, ROUGE-2 8,68 и ROUGE-L 16,97 на оценочном наборе. Эти показатели не позволяют оценить качество для иных языков или типов документов. Использование регулируется лицензией Apache-2.0.

Модель для анализа тональности норвежских отзывов: по предложению определяет оценку от отрицательной до положительной. Её разработали Simen Aabol и Marcus Dragsten, дообучив NorBERT2 на объединённом наборе норвежских отзывов и данных о тональности. Это BERT-модель для классификации последовательностей объёмом 151,7 млн параметров; она принимает текст, использует контекст длиной до 512 токенов и выдаёт метку класса. Модель предназначена для проверки тональности норвежских предложений и отзывов. Авторы обозначают её как тестовую, поэтому качество для практических задач не гарантируется. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

Helsinki-NLP/opus-mt-tn-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с языка тсонга (tsonga, tn) на английский и обучена на данных OPUS. Модель использует архитектуру Transformer-align в реализации MarianMT; в метаданных указаны 54,5 млн параметров и контекст до 512 токенов. Предобработка включает нормализацию текста и SentencePiece. Для тестового набора JW300.tn.en в карточке приведены оценки BLEU 43,4 и chr-F 0,589. Модель предназначена для перевода с тсонга на английский. Карточка не описывает поддержку обратного или других направлений перевода. Веса доступны по лицензии Apache-2.0.

realPCH/Orca-Platypus-kiwi-1epoch — дообученная модель семейства Llama, созданная на основе yanolja/KoSOLAR-10.7B-v0.1. Она предназначена для генерации текста по инструкциям; в карточке указан датасет KOR-Orca-Platypus-kiwi. Модель содержит 10,7 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. Файлы опубликованы в формате Safetensors, лицензия — MIT. Пример из карточки показывает запуск через Transformers и формат инструкции [INST]…[/INST]. Сведений о качестве ответов, более широком наборе языков и специализированных областях применения нет; название датасета указывает на корейскую направленность обучения, но само по себе не подтверждает полный перечень поддерживаемых языков.

Qwen3-8b-urban-qwen-seed1-20260930-CPT-final-step-1500 — дообученная модель генерации текста на архитектуре Qwen3, созданная на основе Qwen/Qwen3-8B-Base. Модель содержит 7,6 млрд параметров и принимает контекст длиной до 32 768 токенов. Обучение продолжалось на датасете CompassioninMachineLearning/urban_12738_cleaned; автор указывает 10 072 уникальных документа и 200 документов для валидации. Модель предназначена для генерации текста и диалоговых сценариев, связанных с тематикой обучающего корпуса. Она сохранена в BF16 как самостоятельная модель в восьми шардах safetensors, поэтому адаптер для загрузки не требуется. Обучение на этом корпусе само по себе не подтверждает улучшение эмпатии или сострадания — это качество следует оценивать отдельно. Лицензия в предоставленных данных не указана.

Модель VictorSanh/roberta-base-finetuned-yelp-polarity — RoBERTa-base, дообученная для бинарной классификации тональности отзывов Yelp. Она относит текст отзыва к одной из двух категорий полярности и подходит для анализа пользовательских оценок и сортировки отзывов по тональности. Модель содержит 151,8 млн параметров, принимает текст с контекстом до 514 токенов и рассчитана на английский язык. В README указана точность 98,08% на тестовом наборе Yelp Polarity. Это результат на конкретном наборе данных и не гарантирует такую же точность на отзывах из других источников или предметных областей. Доступные форматы включают PyTorch, Flax и Safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Synatra-11B-Testbench-2 — корейская текстовая генеративная модель, созданная StableFluffy на основе mistralai/Mistral-7B-Instruct-v0.1. Она предназначена для генерации текста; карточка не описывает конкретные сценарии применения или результаты бенчмарков. Модель имеет плотную архитектуру MistralForCausalLM, содержит 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса PyTorch. Модель обучалась на четырёх ускорителях A100 с 80 ГБ памяти каждый. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Tensor-2-40m-instruct — русскоязычная языковая модель серии Tensor, разработанная проектом GribAI. Это плотная Qwen2-совместимая модель с 40 млн параметров, дообученная методом supervised fine-tuning на базе Tensor-2-40m-base; набор дообучения объёмом 150 МБ включает данные по программированию. Модель предназначена для генерации текста по инструкциям и диалоговых сценариев, в том числе для ответов на запросы о коде. Метаданные указывают контекст длиной 256 токенов, формат весов safetensors и поддержку русского языка. Лицензия — MIT. Небольшой размер ограничивает качество сложных рассуждений, работы с длинным контекстом и редкими предметными областями. Сгенерированный код следует проверять перед запуском.

Xenova/toxic-bert — модель для классификации токсичности текста, разработанная на основе unitary/toxic-bert и распространяемая с весами в формате ONNX. Репозиторий подготовлен для совместимости с библиотекой Transformers.js и ориентирован на выполнение классификации непосредственно в JavaScript-приложениях, включая веб-сценарии. Модель предназначена для анализа текстовых сообщений и может использоваться, например, при предварительной модерации пользовательского контента и выявлении токсичных высказываний. В README приведён пример применения через pipeline с задачей text-classification. Подробные сведения о размере модели, архитектуре, поддерживаемых языках, длине контекста и точных метриках не указаны. Ключевое преимущество — наличие ONNX-весов, упрощающих использование модели в экосистеме Transformers.js. Ограничения и условия лицензирования в предоставленных данных не описаны; также отсутствует информация о точности, наборе данных и границах применимости модели.

WindyTranslate/translate-en-ee — модель машинного перевода, опубликованная Windstorm Labs и дообученная для перевода с английского на язык эве (ee). Она основана на Helsinki-NLP/opus-mt-en-ee: к базовым весам применили LoRA-дообучение на параллельных текстах и объединили адаптер с моделью. Это MarianMT с 54,6 млн параметров; репозиторий содержит веса safetensors для Transformers, контекст — до 512 токенов. Модель предназначена для перевода коротких текстов с английского на эве. В карточке приведена скрининговая оценка на 48 предложениях FLORES-200 dev: chrF++ 33,79 и BLEU 9,94; авторы относят результат к уровню «пригодный». Оценка предварительная и не является результатом публикационного исследования. Другие сборки, включая CTranslate2 INT8, в репозитории отсутствуют. Лицензия — Apache-2.0.

WindyTranslate/translate-en-eo — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-en-eo: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель MarianMT содержит 55,5 млн параметров, принимает текст и переводит с английского на эсперанто; максимальный контекст — 512 токенов. Модель подходит для перевода отдельных фраз и текстов с английского на эсперанто. В проверке FLORES-200 на 48 предложениях она получила chrF++ 47,35 и BLEU 21,69; автор отмечает, что это предварительная оценка, а не результат публикационного исследования. Доступна в формате safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-es-kg — модель машинного перевода, опубликованная Windstorm Labs для перевода с испанского на конго. Это дообученная версия Helsinki-NLP/opus-mt-es-kg: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 50,7 млн параметров и принимает контекст до 512 токенов; доступна в формате safetensors для Transformers. Модель предназначена для перевода текста в направлении es→kg. В скрининговой оценке на 48 предложениях FLORES-200 она получила chrF++ 29,22 и BLEU 4,40; результат обозначен авторами как ограниченный и не является результатом публикационного исследования. Репозиторий распространяется по лицензии Apache-2.0 с указанием происхождения базовой модели.

Windstorm Labs опубликовала дообученную модель машинного перевода с испанского языка на чичева (ньянджа). Это MarianMTModel семейства Marian примерно на 56,3 млн параметров; веса представлены в формате safetensors и доступны через Transformers. Модель основана на Helsinki-NLP/opus-mt-es-ny: LoRA-дообучение на параллельном корпусе было объединено с базовыми весами, изменив 36 из 254 тензоров. Модель предназначена для перевода испанских текстов на чичева. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 31,65 и BLEU 5,19; авторы оценивают результат как пригодный для использования, но это предварительная проверка, а не публикационная оценка. Контекст составляет 512 токенов. Лицензия — Apache-2.0.

tzem — компактная языковая модель семейства Llama, разработанная автором репозитория blueapple8259. Модель предварительно обучена на очищенной версии датасета maywell/korean_textbooks: удалялись повторяющиеся предложения, записи без корейского текста и записи с HTML-тегами, а формат дискуссий приводился к единому виду с вежливой речью. Обучение ограничилось одной эпохой из-за стоимости. Модель предназначена для генерации текста и диалогов на корейском языке. Она содержит 144,5 млн параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 2048 токенов. Файлы представлены в формате Safetensors. Указана лицензия MIT.