III.4Клиентская поддержка и customer success

WindyTranslate/translate-en-pag — модель машинного перевода Windstorm Labs с английского языка на пангасинанский. Она основана на Helsinki-NLP/opus-mt-en-pag: к исходным весам применили дообучение LoRA на параллельных данных, а адаптер объединили с базовой моделью. Модель MarianMT содержит 54,6 млн параметров, принимает текст и выдаёт перевод; для загрузки доступны веса safetensors в формате Transformers. Лицензия — Apache-2.0. Модель предназначена для перевода с английского на пангасинанский. В карточке приведена предварительная оценка на 48 предложениях FLORES-200: chrF++ 36,76 и BLEU 10,57; это скрининговый результат, а не полноценная публикационная оценка. Модель поддерживает только одно направление перевода, и качество дообучения не гарантируется одним лишь объёмом модели или данными.

WindyTranslate/translate-en-tut — модель машинного перевода от Windstorm Labs для перевода с английского на язык с кодом tut. Это дообученная версия Helsinki-NLP/opus-mt-en-tut: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,7 млн параметров и принимает текст с контекстом до 512 токенов. Модель предназначена для перевода англоязычных текстов на tut. Качество перевода пока не оценивалось бенчмарками; подтверждено изменение весов, но это само по себе не подтверждает улучшение качества. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

Windstorm Labs публикует модель машинного перевода с французского языка на илоканский. Это дообученная версия Helsinki-NLP/opus-mt-fr-ilo: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на MarianMT, содержит 55,9 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель предназначена для перевода отдельных текстов с французского на илоканский; обратное направление карточкой не заявлено. В проверке на 48 предложениях FLORES-200 она получила chrF++ 42,22 и BLEU 13,76; это предварительная оценка, а не результат полноценного исследования. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

billerjully/BERT-absa-rest-reviews-asc — русскоязычный классификатор тональности отзывов о ресторанах, разработанный на базе cointegrated/rubert-tiny2 и дообученный для классификации последовательностей. По полному тексту отзыва модель предсказывает одну из трёх меток: положительная, отрицательная или нейтральная тональность; при использовании через Transformers можно получить вероятности для всех классов. Модель содержит 29 млн параметров, использует архитектуру BERT и принимает текст на русском языке. Она предназначена для автоматического анализа общей тональности ресторанных отзывов и может применяться вместе с моделью извлечения аспектов billerjully/BERT-absa-rest-reviews-ate. Обучение проводилось на 7 253 русскоязычных отзывах о ресторанах. Модель не определяет тональность отдельных аспектов, рассчитана только на русский язык и ресторанную тематику. Метаданные указывают контекст 2048 токенов. Лицензия — Apache-2.0.

Coda LLM — дообученная на базе IBM Granite-4.2-8B языковая модель от автора mohameddalii для продаж и голосовых агентов в Саудовской Аравии. Модель с архитектурой GraniteForCausalLM содержит 8,4 млрд параметров, работает с текстом и поддерживает контекст до 131 072 токенов. README описывает генерацию ответов на разговорном надждийском диалекте арабского языка с диакритикой, пригодной для передачи в синтезатор речи, а также вызов инструментов в сценариях продаж. Модель предназначена для телефонных продаж, выявления потребностей и квалификации клиентов, обработки возражений и ведения диалога с клиентами. В примерах инструментов указаны поиск товаров, расчёт предложения, запись на встречу, оформление подписки и проверка статуса заказа. README также заявляет об отказе от нерелевантных вызовов инструментов и соблюдении просьбы клиента прекратить продажи. В README приведены результаты внутреннего набора из 27 сценариев, включая 100% для вызовов инструментов и отказа от нерелевантных вызовов, а также 88% для задач рассуждения; это результаты авторской оценки. Модель выдаёт текст, в том числе структурированные вызовы инструментов, но сама по себе не принимает аудио и не синтезирует речь. Репозиторий распространяется по лицензии Apache-2.0.

DigitalSoul-4B — разговорная модель семейства Llama от TroyDoesAI, предназначенная для генерации текста в формате чата. По карточке модели, она создана с помощью непрерывного обучения и абляции, чтобы снизить токсичность по сравнению с предыдущей версией и сделать поведение менее грубым; стиль ответов описан как «выбери своё приключение». Модель содержит 4,6 млрд параметров, имеет контекстное окно до 131 072 токенов и опубликована в формате safetensors. Модель подходит для диалогов и интерактивных сюжетов, где пользователь сам задаёт направление истории. Метаданные также указывают интерфейс вызова инструментов, но карточка не описывает его точные возможности. Лицензия — Artistic License 2.0. README не сообщает поддерживаемые языки и не приводит количественных оценок качества.

distil-qwen3-0.6b-posthog-narrator — компактная специализированная модель Distil Labs на базе Qwen3-0.6B, дообученная на платформе Distil Labs. Она преобразует поток событий пользовательской сессии PostHog с временными метками в связный рассказ ровно из трёх предложений на английском языке в прошедшем времени. Предназначена для анализа сессий в составе инструментария distil-posthog-traffic-analyser: описывает посещённые страницы, нажатия, ошибки и поисковые запросы, а также признаки затруднений или отказа от действия, опираясь на переданные события. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 508 млн параметров и контекст до 40 960 токенов. README сообщает о 10 033 синтетических обучающих примерах, расширенных из набора seed-примеров; базовая модель — Qwen/Qwen3-0.6B. Репозиторий содержит веса safetensors и GGUF в формате F16. Лицензия — Apache 2.0. В оценке на небольшом отложенном наборе модель получила 100% по оценке LLM-судьи и 63,98% ROUGE; проверка формата на десяти сессиях прошла успешно. Эти результаты относятся к ограниченным тестовым наборам и не гарантируют качество на произвольных данных. Для достоверного описания модели необходимы структурированные события PostHog; она должна следовать формату из трёх предложений и может ошибаться или упускать детали за пределами обучения.

Lunar 10.7B — языковая модель, опубликованная jeiku для разговоров и работы в роли бота-компаньона, включая интимное общение. Она основана на архитектуре Llama и содержит 10,6 млрд параметров; модель создана путём слияния дообученной модели автора с другой моделью. Контекст составляет 4096 токенов, веса доступны в формате safetensors. Модель предназначена для генерации диалоговых ответов на английском языке. Карточка также указывает на возможность использовать сборку GGUF, но не содержит сведений о её характеристиках или качестве. Лицензия CC BY-NC-SA 4.0 требует атрибуции и ограничивает коммерческое использование.

MubarakB/m2m100-lg-to-en-v2 — дообученная модель семейства M2M100 на базе facebook/m2m100_418M, предназначенная для перевода текста с языка lg на английский. Это плотная encoder-decoder модель класса M2M100ForConditionalGeneration с 332,5 млн параметров и контекстом до 1024 токенов. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Карточка сообщает о дообучении на датасете, обозначенном как None, и приводит значение loss 11,5952 на оценочном наборе. Подробностей о данных и ограничениях применения нет, поэтому качество перевода по этой оценке судить нельзя.

MAiRYSTAR — дообученная модель компании Triadic Intelligence Labs на базе Qwen3.5-9B-Base. В карточке она описана как модель на 9 млрд параметров с поддержкой зрения, созданная для творческого общения и сценариев виртуального компаньона. Для обучения указаны SFT Studio Pro и FTK Alignment; архитектура относится к плотному семейству Qwen3.5, файлы представлены в формате safetensors. Модель предназначена для генерации текста в диалогах и творческих беседах. Базовая модель мультимодальна и поддерживает понимание изображений, однако карточка MAiRYSTAR не уточняет, какие именно визуальные задачи сохранены после дообучения. Указана поддержка английского языка; контекстный размер не приводится. Модель распространяется по лицензии Apache-2.0.

FredrikBL/NeuralFlashback-ties — текстовая генеративная модель на архитектуре Mistral, созданная объединением моделей timpal0l/Mistral-7B-v0.1-flashback-v2 и mlabonne/NeuralHermes-2.5-Mistral-7B методом TIES с помощью LazyMergekit. В конфигурации также указан mistralai/Mistral-7B-v0.1 как базовая модель слияния. Модель содержит 7,1 млрд параметров, использует формат safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, сочетая продолжение текста в стиле шведских форумных обсуждений с возможностями NeuralHermes. Лицензия — Apache-2.0. README не приводит отдельных результатов оценки качества или конкретного набора инструкций.

NeuralStar_Story-9b — экспериментальная объединённая языковая модель от OmnicromsBrain, созданная с помощью LazyMergekit из StoryFusion-7B и NeuralStar-7b-Lazy. Она предназначена для генерации текста в диалоговом формате; базовая StoryFusion-7B ориентирована на англоязычные рассказы и художественные тексты по подсказке. Модель построена на архитектуре Mistral с плотной причинно-языковой сетью, содержит 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. Модель подходит для создания рассказов и продолжения художественных текстов, а также для диалоговой генерации. README помечает её как тестируемую, поэтому качество и стабильность могут быть ограничены. Репозиторий содержит веса safetensors; лицензия в предоставленных данных не указана.

Helsinki-NLP/opus-mt-fr-ln — модель машинного перевода семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с французского языка на лингала. Модель построена на архитектуре Transformer-align и использует нормализацию текста и токенизацию SentencePiece; число параметров — 55,3 млн, длина контекста — до 512 токенов. Модель обучена на данных OPUS. Для набора JW300.fr.ln в карточке приведены оценки BLEU 30,5 и chr-F 0,527. Она подходит для перевода отдельных фраз и текстов с французского на лингала; обратный перевод и другие направления не заявлены. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-is-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с исландского языка на английский и предназначена для перевода отдельных текстов и предложений. Модель основана на Transformer-архитектуре MarianMT с предварительной нормализацией и токенизацией SentencePiece; содержит 55,2 млн параметров и имеет контекст длиной 512 токенов. В карточке приведён результат BLEU 51,4 и chr-F 0,672 на тестовом наборе Tatoeba.is.en. Модель распространяется под лицензией Apache-2.0. Указанные языковые направления ограничены переводом с исландского на английский.

Контрольная точка Qwen3-Coder-30B-A3B-Instruct, дообученная методом RLOO для агентных задач календаря на источнике TaskTrove v4.9. Модель использует MoE-архитектуру Qwen3 и предназначена для диалогового управления календарными сценариями; в метаданных указан контекст до 262 144 токенов и 2,6 млрд параметров. В проверке на фиксированной выборке модель получила среднюю награду 0,4609375 и прошла 59 из 128 заданий. Позже обнаружилось пересечение этой выборки с обучающим источником, поэтому результат служит статистикой отбора и не является независимой оценкой обобщения. Лицензия в предоставленных данных не указана.

RexBERT-micro — компактный энкодерный трансформер в стиле ModernBERT, созданный Rahul Bajaj для задач электронной коммерции. Модель содержит 16,8 млн параметров и обучена предсказывать замаскированные токены; в README указано обучение на более чем 2,3 трлн токенов, включая свыше 350 млрд токенов о торговле. Для работы с моделью подходят Transformers и веса PyTorch/SafeTensors; заявленная длина контекста — 7 999 токенов. Модель предназначена для поиска товаров и запросов по смыслу, извлечения атрибутов, классификации товарных текстов, понимания запросов и ранжирования. Её энкодерные представления также можно использовать для эмбеддингов и дообучения классификаторов. В карточке приведены примеры применения для поиска, отзывов, категорий и атрибутов товаров, однако подробности отдельных оценок и этапов обучения указаны не полностью. RexBERT-micro не предназначена для генерации длинных текстов. Результаты классификации и фильтрации товаров требуют проверки человеком, особенно при решениях о соответствии требованиям или безопасности; данные электронной коммерции могут отражать смещения по брендам, регионам и ценам. Лицензия модели — Apache-2.0.

Synapse-Guard v1 — модель классификации текста, разработанная Comunidade Synapse BR для автоматической модерации сообщений на бразильском португальском языке. Она предназначена для чат-ботов, форумов, социальных сетей, систем комментариев и других сервисов, которым нужно выявлять потенциально неподходящий контент. Модель использует компактный BERT Encoder с WordPiece-токенизатором и содержит 6,7 млн параметров. Она присваивает текстам категории модерации, включая нейтральное содержание, спам и токсичные сообщения; в README также упоминается фильтрация контента для взрослых. Контекст модели — 256 токенов. Модель не генерирует текст. Synapse-Guard ориентирована на лёгкую и быструю интеграцию в системы модерации. Она может ошибаться при распознавании иронии, сарказма, неоднозначных или очень коротких сообщений, а также текста, смысл которого зависит от контекста; для критичных решений рекомендуется проверка человеком. Распространяется по лицензии Apache License 2.0.

Windstorm Labs опубликовала модель машинного перевода с немецкого языка на лингала. Это дообученная модель Helsinki-NLP/opus-mt-de-ln на основе архитектуры MarianMT; LoRA-дообучение на параллельных данных было объединено с базовыми весами. Модель содержит 56,2 млн параметров, работает через Transformers и принимает контекст до 512 токенов. Модель предназначена для перевода текстов с немецкого на лингала; заявленное направление перевода одно. В проверке на 48 предложениях FLORES-200 dev модель получила chrF++ 35,72 и BLEU 6,48; авторы относят результат к уровню «пригодно к использованию» и отмечают, что это скрининговая оценка, а не результат публикационного исследования. Репозиторий распространяется по лицензии Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с английского на фиджийский. Это дообученная версия Helsinki-NLP/opus-mt-en-fj на базе архитектуры MarianMT; LoRA-настройка на параллельных текстах объединена с исходными весами. Модель содержит 53,8 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель подходит для перевода фраз и документов с английского на фиджийский. В проверке на 48 примерах FLORES-200 dev она получила chrF++ 36,40 и BLEU 10,56; авторы относят результат к категории «пригодно». Лицензия — Apache-2.0. В репозитории доступны веса safetensors для Transformers.

WindyTranslate/translate-fr-gaa — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fr-gaa: LoRA-дообучение на параллельных текстах слито с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56 млн параметров и принимает текст на французском языке, выдавая перевод на gaa. Максимальная длина контекста составляет 512 токенов. Модель предназначена для перевода с французского на gaa; обратное направление не заявлено. Репозиторий содержит сборку для Transformers в формате safetensors. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность результатов для конкретного применения следует проверять самостоятельно. Лицензия — Apache-2.0.

AraUni Granite 97M Intent Classifier — модель университета Najah, дообученная на базе многоязычного энкодера IBM Granite Embedding 97M. Она классифицирует вопросы на арабском языке по 20 меткам университетских намерений и может назначить одному вопросу ноль, одну или несколько меток. Модель использует энкодер с pooling по первому токену, dropout и линейную многометочную классификационную голову; это не генеративная модель. Максимальная длина входа — 256 токенов. Модель предназначена для маршрутизации вопросов в университетском чат-боте, например, к нужному разделу информации об обучении, поступлении, оплате или политике университета. Доступны веса SafeTensors и варианты для ONNX Runtime, мобильных устройств и локального запуска в браузере. Лицензия — Apache-2.0. Версия модели имеет статус preview. Все примеры обучения и оценки синтетические, поэтому высокие тестовые метрики не гарантируют качества на запросах реальных пользователей. Перед применением следует проверить модель на реальных запросах из целевой среды; её оценки не являются гарантированно калиброванными вероятностями, а модель не должна считаться авторитетным источником университетских сведений.

Модель AgentPublic/camembert-base-toxic-fr-user-prompts — дообученная версия CamemBERT-base, разработанная автором репозитория и настроенная для классификации пользовательских запросов на французском языке. Она присваивает запросу одну из трёх категорий: токсичный, нетоксичный или чувствительный. К токсичным относятся в том числе оскорбительные и вредоносные запросы, а также попытки обойти ограничения; чувствительная категория охватывает, например, темы суицида и агрессии. Модель содержит 137,8 млн параметров, использует архитектуру CamemBERT для классификации последовательностей и принимает текст с контекстом до 514 токенов. Её можно применять для первичной модерации запросов и выявления чувствительных тем во франкоязычных чатах. В README приведены предварительные метрики: F1 0,96 для нетоксичных, 0,98 для чувствительных и 0,88 для токсичных запросов; оценка ещё продолжается, а модель остаётся в разработке. Лицензия — Apache-2.0.

bornil20005/my_awesome_eli5_clm-model — дообученная авторами модели bornil20005 модель distilbert/distilgpt2 для генерации текста. Она построена на архитектуре GPT-2 и сохранена в формате safetensors; базовая модель описана как компактная англоязычная версия GPT-2 для автодополнения и творческих черновиков. В карточке указана оценка loss 3,7765 на наборе оценки, но назначение дообучения и состав данных не раскрыты. Модель принимает текст и генерирует текст, с контекстом до 1024 токенов. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-fr-pap — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с французского языка на папьяменто и предназначена для перевода отдельных фраз и текстов. Модель построена на архитектуре MarianMT (Transformer), содержит 55,7 млн параметров и использует нормализацию текста и токенизацию SentencePiece; длина контекста — 512 токенов. В README приведён результат BLEU 27,8 и chr-F 0,464 на тестовом наборе JW300.fr.pap. Модель распространяется по лицензии Apache-2.0. Показатели качества относятся к указанному тестовому набору и могут не отражать качество на других темах и типах текста.

rost-1b-instruct-v2 — компактная инструкционная языковая модель на 1,384 млрд параметров, разработанная rostlabs как дообучение rost-1b-base. Это плотная causal LM собственной архитектуры RostForCausalLM; для загрузки через Transformers требуется trust_remote_code=True. Модель предназначена для генерации ответов и выполнения инструкций на румынском и английском языках. Контекст составляет 4096 токенов. Версия v2 использует изменённую смесь данных для supervised fine-tuning, включая математические и кодовые примеры. Внутренний тест показал улучшение следования инструкциям по сравнению с v1, однако общая оценка на публичном англоязычном наборе правдоподобия оказалась немного ниже, а отдельная закрытая проверка не подтвердила общего улучшения. В тестах на завершение генерации v2 реже доходила до лимита токенов, но зацикливание сохранялось на некоторых запросах. Модель подходит для компактных диалоговых сценариев, простых ответов на инструкции и генерации текста; надёжность повседневного диалога отдельно не измерялась. Это небольшая модель, поэтому арифметика и многошаговые рассуждения часто ошибочны, убедительного улучшения программирования не показано, а устойчивость к галлюцинациям не улучшилась. Специальная настройка безопасности не применялась. Лицензия — CC BY-NC 4.0, допускающая использование с ограничением на коммерческое применение.

SEW-D-mid — предварительно обученная модель обработки речи от ASAPP Research на архитектуре SEW-D, разработанной как более быстрая и эффективная альтернатива wav2vec 2.0. Модель содержит около 100,7 млн параметров и обучена на аудио с частотой дискретизации 16 кГц; входные записи для неё также должны быть приведены к 16 кГц. Чекпойнт предназначен для извлечения признаков из речи и последующего дообучения под прикладные задачи: автоматическое распознавание речи, идентификацию говорящего, классификацию намерений или эмоций. В статье об архитектуре SEW сообщается об ускорении инференса и улучшении качества распознавания на LibriSpeech по сравнению с wav2vec 2.0, однако эти результаты относятся к экспериментам статьи и не гарантируют качество данного чекпойнта без дообучения. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0.

ShowUI-2B — компактная модель типа vision-language-action для создания GUI-агентов, разработанная авторами ShowUI. Она дообучена на базе Qwen/Qwen2-VL-2B-Instruct и предназначена для понимания визуального интерфейса и взаимодействия с ним по инструкциям на естественном языке. Модель может служить основой для агентов, которые выполняют задачи в графических интерфейсах компьютера. Модель использует плотную архитектуру Qwen2-VL, содержит 1,5 млрд параметров, принимает текст и изображения, а также поддерживает контекст до 32 768 токенов. Репозиторий содержит веса PyTorch. Лицензия — MIT. Карточка не приводит конкретные сведения о поддерживаемых языках, форматах действий или количественных результатах на задачах GUI; качество выполнения может зависеть от интерфейса и среды агента.

Tanpo Deals — компактная языковая модель для коммерческих переговоров и продаж в B2B, разработанная d4rkninja как часть семейства Tanpo. Она дообучена методом LoRA на базе LiquidAI/LFM2.5-1.2B-Instruct; в этом репозитории размещены объединённые с базовыми весами параметры. Модель содержит около 1,5 млрд параметров, использует архитектуру LFM2 и предназначена для диалогового применения через Transformers. В метаданных указан контекст до 128 000 токенов. Модель помогает квалифицировать сделки, готовить вопросы для выявления потребностей, отвечать на возражения, формулировать предложения и планы следующих шагов, а также разрабатывать сценарии набора дистрибьюторов и канальные цены. Она рассчитана на локальный и недорогой запуск; карточка приводит внутреннюю автоматическую оценку на небольшом наборе задач, которую следует считать ориентировочной, а не отраслевым бенчмарком. Указанная лицензия — other, конкретные условия в доступных данных не раскрыты. Модель специализирована на сделках и может хуже работать за пределами этого распределения задач; её небольшой размер ограничивает объём знаний и сложные рассуждения. Коммерческие рекомендации являются черновиками и требуют проверки человеком, особенно в вопросах договоров, цен и условий партнёрства; модель не предназначена для юридических, финансовых или налоговых консультаций.

WindyTranslate/translate-de-bi — модель машинного перевода от Windstorm Labs, дообученная на основе Helsinki-NLP/opus-mt-de-bi. Это MarianMTModel с 54 млн параметров и контекстом до 512 токенов. Веса изменены с помощью LoRA-дообучения на параллельном корпусе, после чего адаптер объединён с базовыми весами. Репозиторий содержит сборку Transformers в формате safetensors. Модель предназначена для перевода текста с немецкого языка на бижагский. Лицензия — Apache-2.0. Направление перевода одностороннее; качество модели пока не оценивалось бенчмарками, поэтому его следует проверить на целевых текстах.

WindyTranslate/translate-de-gil — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная модель архитектуры MarianMT с 52,6 млн параметров, основанная на Helsinki-NLP/opus-mt-de-gil. LoRA-дообучение на параллельных текстах было объединено с базовыми весами; модель принимает текст на немецком языке и переводит его на язык gil. Максимальная длина контекста — 512 токенов. Репозиторий содержит сборку Transformers в формате safetensors; модель можно использовать для перевода текстов с немецкого на gil. Лицензия — Apache-2.0. Качество перевода пока не оценивалось на бенчмарках, поэтому пригодность модели для конкретных сценариев требует проверки. Поддерживается только направление de→gil.