III.4Клиентская поддержка и customer success

unsloth/Llama-4-Scout-17B-16E-Instruct-GGUF — GGUF-версия инструкционно дообученной модели Meta Llama 4 Scout 17B 16E-Instruct, подготовленная Uns​​loth. Модель предназначена для диалоговых приложений и выполнения инструкций, однако конкретные сценарии использования и результаты тестирования в предоставленных данных не описаны. В README указана поддержка арабского, немецкого, английского, испанского, французского, хинди, индонезийского, итальянского, португальского, тайского, тагальского и вьетнамского языков. Из идентификатора следует конфигурация 17B 16E, но архитектура, размер контекста, точные параметры квантования, поддерживаемые модальности и требования к ресурсам не указаны. Поэтому сильные стороны можно уверенно связать только с инструкционной настройкой и многоязычностью; ограничения производительности и качества требуют самостоятельной оценки. Использование регулируется Llama 4 Community License Agreement от Meta. Лицензия предоставляет ограниченные безвозмездные права на использование, воспроизведение, распространение и модификацию при соблюдении условий, включая передачу текста лицензии, указание «Built with Llama», сохранение атрибуции и соблюдение Acceptable Use Policy. Для продуктов или сервисов с более чем 700 миллионами ежемесячных активных пользователей предусмотрено отдельное лицензирование Meta.

Lumosia-v2-MoE-4x10.7 — экспериментальная разговорная языковая модель серии Lumosia, построенная на архитектуре Mixtral MoE и предназначенная для роли универсального помощника. В README модель описана как сочетание удачных моделей Solar, выбранных с учётом пользовательского опыта; формат репозитория — safetensors, размер — 10,6 млрд параметров. Модель ориентирована на диалог и запросы, задаваемые обычными фразами, а не ключевыми словами. Автор README заявляет контекстное окно 8 тысяч токенов с сохранением связности до 16 тысяч, тогда как метаданные указывают native context в 4096 токенов. Поэтому практическую длину контекста следует считать неопределённой и сверять с используемой конфигурацией. В карточке нет сведений о поддерживаемых естественных языках или опубликованных значениях оценок: таблица содержит только часть метрик. Модель распространяется по лицензии Apache-2.0. README характеризует её как экспериментальную; результаты и пригодность для конкретных сценариев требуют самостоятельной проверки.

MiMo-V2.5-ASR — сквозная модель распознавания речи, разработанная командой Xiaomi MiMo. Это плотная модель семейства Qwen2 с 7 млрд параметров; в репозитории представлены веса Safetensors, а для работы используется Transformers. В метаданных указана длина контекста 8192 токена. Модель предназначена для транскрибирования речи на китайском и английском языках, включая китайские диалекты, переключение между китайским и английским, песни, техническую и другую насыщенную терминами речь. Она рассчитана на шумные записи, дальний микрофон и многоголосые разговоры; пунктуацию добавляет при распознавании. README сообщает о высоких результатах на ряде публичных тестов, но конкретные оценки здесь не приведены. Лицензия — MIT.

plaincompute/mlx-MOSS-Transcribe-Diarize-8bit — восьмибитная версия MOSS-Transcribe-Diarize для запуска через MLX на Apple Silicon. Веса текстовой части модели квантизированы методом MLX affine quantization с bits=8 и group_size=64; аудиоэнкодер Whisper и VQ-адаптер не квантизированы. Репозиторий основан на vanch007/mlx-MOSS-Transcribe-Diarize. Модель предназначена для распознавания речи из аудиофайлов и разделения транскрипта по говорящим. Метаданные указывают задачу automatic-speech-recognition и поддержку speaker diarization. Используется архитектура MossTranscribeDiarizeForConditionalGeneration с аудиоэнкодером Whisper. Лицензия — Apache-2.0.

Obazda-7B — чат-модель на основе Mistral, созданная Johann Hartmann как объединение предварительно обученных языковых моделей методом DARE TIES с помощью mergekit. В качестве базовой модели использована DiscoResearch/DiscoLM_German_7b_v1; также в объединение вошли Wiedervereinigung-7b-dpo-laser, Experiment26-7B и WestLake-7B-v2-laser-truthy-dpo. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов на немецком языке. Приведённые в карточке оценки показывают относительно сильные результаты в письме, ролевом взаимодействии, извлечении информации, гуманитарных и естественно-научных темах, а также более слабые результаты в рассуждениях, математике и программировании. Распространяется по лицензии Apache-2.0.

OpenThaiGPT 1.5 72B Instruct — модель для диалогов на тайском языке, разработанная проектом OpenThaiGPT. Это плотная авторегрессионная модель семейства Qwen2, дообученная на более чем двух миллионах тайских пар инструкций; в метаданных указано 71,5 млрд параметров. Она поддерживает многоходовые диалоги, интерфейс вызова инструментов и сценарии с дополнением ответов найденными документами (RAG).

Progenitor-V1.2-LLaMa-70B — экспериментальная чат-модель семейства Llama, созданная объединением нескольких языковых моделей с помощью mergekit и метода SCE. В качестве основы указан nbeerbower/Llama-3.1-Nemotron-lorablated-70B; в слияние также вошли Anubis-70B-v1, L3.1-70B-Hanami-x1, EVA-LLaMA-3.33-70B-v0.1, Negative_LLAMA_70B и 70B-L3.3-Cirrus-x1. Модель содержит 69,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалога. Автор отмечает характерный стиль и более выраженную склонность к эротизированной манере по сравнению с предыдущей версией, но не утверждает, что качество однозначно выше. Лицензия — llama3.3; применяются условия лицензии Llama 3.3.

Sabomako/Qwen3-Omni-30B-A3B-Thinking-heretic — производная модель семейства Qwen3-Omni, созданная дообучением Qwen/Qwen3-Omni-30B-A3B-Thinking. По карточке базовой модели это мультимодальная модель с архитектурой MoE и компонентом Thinker, предназначенная для рассуждений по тексту, аудио и видео с текстовыми ответами; семейство также заявлено как способное обрабатывать изображения. Модель распространяется в формате safetensors и рассчитана на работу через Transformers. Семейство Qwen3-Omni поддерживает 119 языков для текста, 19 языков для входящей речи и 10 языков для речевого вывода. Описаны потоковое взаимодействие с низкой задержкой и настройка поведения системными промптами, однако карточка этой конкретной производной не объясняет, что именно меняет вариант heretic, и не подтверждает сохранение всех возможностей базовой модели. Метаданные указывают лицензию other, поэтому конкретные условия использования следует сверить с файлами репозитория.

Sam Lowe разработал эту модель на базе roberta-base, дообучив её на наборе GoEmotions для многометочной классификации эмоций в тексте. Она выдаёт вероятности для 28 меток; для каждой метки можно отдельно подобрать порог срабатывания. Модель подходит для определения нескольких эмоций в одном сообщении, например в комментариях и коротких текстах на английском языке. Она использует архитектуру RoBERTa с 151,8 млн параметров и контекстом до 514 токенов. Модель принимает текст и выдаёт оценки классов эмоций. Качество различается по меткам: редкие категории, например облегчение, распознаются хуже, а неоднозначность и ошибки разметки в GoEmotions ограничивают результаты. В README приведены оценки на тестовой выборке и отмечено, что индивидуальная настройка порогов может улучшить баланс точности и полноты. Лицензия — MIT.

SambaLingo-Serbian-Base — базовая двуязычная языковая модель, разработанная SambaNova Systems на архитектуре Llama 2. Модель адаптирована к сербскому языку дополнительным обучением на 17 млрд токенов сербской части набора Cultura-X; число параметров в метаданных — 6,7 млрд, контекст — до 4096 токенов. Токенизатор расширен с 32 000 до 57 000 токенов. Модель предназначена для генерации текста на сербском и английском языках, а также может использоваться для языкового моделирования и перевода. Это предварительно обученный checkpoint: для получения нужного продолжения рекомендуется prompting с примерами; для диалога и прямых ответов на вопросы разработчик предлагает отдельную версию SambaLingo-Serbian-Chat. В статье авторов сообщаются высокие результаты по perplexity и переводческим тестам FLORES-200. Использование регулируется лицензией Meta Llama 2 Community License Agreement. Среди ограничений — возможные фактические ошибки, переключение между языками или диалектами, повторы, слабые результаты в кодировании и сложной математике, а также риск токсичных ответов. Модель не предназначена для критически важных задач и решений, влияющих на безопасность людей.

Swallow-MS-7b-instruct-v0.1 — диалоговая языковая модель TokyoTech-LLM, созданная на базе Mistral-7B-v0.1 с продолженным предварительным обучением и настройкой на выполнение инструкций. Это плотная модель MistralForCausalLM с 7,2 млрд параметров, работающая с текстом и контекстом до 4096 токенов. Модель предназначена для диалогов и выполнения инструкций на японском и английском языках. Она подходит для генерации ответов, письма, ролевых диалогов, рассуждений, извлечения информации и базовых задач по STEM и программированию. Токенизатор с расширенным японским словарём эффективнее представляет японский текст, что может ускорять обработку. Для instruct-версии авторы рекомендуют указанный в карточке формат диалога; отклонение от него может ухудшить ответы. Авторы предупреждают, что модель находится на раннем этапе разработки и не настроена для надёжного следования человеческим намерениям и требованиям безопасности. Результаты также заметно различаются между задачами: в опубликованной оценке особенно слабыми были математика и программирование. Лицензия — Apache-2.0.

Это дообученная модель OpenAI Whisper Medium на базе архитектуры encoder-decoder Transformer с 455,8 млн параметров. Её разработали для распознавания разговорной речи на хинди и хинглише — речи со смешением хинди и английского — с помощью Transformers и PyTorch. Модель принимает аудио и выдаёт текстовую расшифровку. В описанной оценке на 373 примерах WER составил 0,0456, а CER — 0,0262; результаты приведены отдельно для хинди и хинглиша. Модель распространяется по лицензии Apache-2.0. Обучение проводилось преимущественно на синтетической речи. На шумных записях, при незнакомых акцентах и манере речи качество может снижаться; модель не оценивалась для потокового распознавания.

Yi-Ko-6B-instruct-v1.2 — корейская инструкционная языковая модель на архитектуре Llama, разработанная путём дообучения модели с помощью LoRA. Автор обучил её на примерно 110 тысячах примеров, собранных из открытых наборов данных и вручную подготовленных материалов; среди тем — история, естественные науки, математика, машинное чтение, анализ отзывов, грамматика и ИТ-знания. В обучении также использовались корейские и англо-корейские переводные данные. Модель предназначена для генерации ответов и выполнения инструкций на корейском языке, включая вопросы и ответы по тексту, краткое изложение, перевод и анализ отзывов. Она содержит около 5,9 млрд параметров и поддерживает контекст до 2048 токенов. Данные обучения закрыты, поэтому состав и качество примеров нельзя независимо проверить. Лицензия — CC BY-SA 4.0.

AfriqueQwen3.5-4B-Instruct-v1 — дообученная McGill-NLP версия AfriqueQwen3.5-4B для генерации текста и диалогов. Модель построена на плотной архитектуре Qwen3.5 и содержит 4 млрд параметров; доступна в формате safetensors. Карточка демонстрирует применение для математических задач, перевода и вопросов с выбором ответа, включая работу на африканских языках. Модель предназначена для инструктивного общения и решения языковых задач. В README описан запуск через vLLM в режиме только языковой модели с контекстом до 12 288 токенов; веса для обработки изображений отсутствуют. Лицензия — CC BY 4.0.

AIFT/AIFT-ko-orca-plat-Yi-ko-6b-v1.2-dpo-2 — корейская instruct-модель семейства Llama, дообученная AIFT методом LoRA с последующим DPO. В основе лежат данные KOR-OpenOrca-Platypus, очищенные и отобранные разработчиком, а также самостоятельно подготовленные примеры для истории, науки, математики, машинного чтения, анализа отзывов, суммаризации, грамматики и перевода между английским и корейским. Для DPO использовались около 17 тысяч примеров, ориентированных на CommonGen и TruthfulQA, а также переработанные примеры ko-hh-rlhf. Модель содержит 5,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст для генерации текста; заявленная длина контекста — 2048 токенов. Она рассчитана прежде всего на инструкции и вопросы на корейском языке, включая образовательные задания, машинное чтение и перевод. Весовые файлы опубликованы в формате safetensors, лицензия — CC BY-SA 4.0. Данные обучения закрыты, поэтому состав и качество примеров нельзя независимо проверить; карточка также не приводит результатов оценки. Практическое качество может различаться по задачам, а контекст ограничен 2048 токенами.

Bielik-11B-v2.3-Instruct — текстовая генеративная модель с 11 млрд параметров, разработанная SpeakLeash совместно с центром ACK Cyfronet AGH. Это плотная авторегрессионная модель-декодер архитектуры Mistral, предназначенная для диалогов и выполнения инструкций; контекст составляет до 32 768 токенов. Модель создана преимущественно для работы на польском языке: она понимает запросы и генерирует ответы, а также подходит для разнообразных языковых задач. Версия v2.3 получена линейным слиянием трёх инструкционно дообученных моделей Bielik-11B-v2.0, v2.1 и v2.2 с помощью mergekit. Модель распространяется под лицензией Apache 2.0. Разработчики отмечают, что ответы могут содержать фактические ошибки, предвзятые или оскорбительные формулировки. У модели нет встроенных механизмов модерации, поэтому её ответы требуют проверки, особенно при использовании в сценариях с требованиями к безопасности.

Borealis-5B-IT — аудиоязыковая модель Vikhrmodels для понимания речи и выполнения инструкций по аудио. Она объединяет замороженный энкодер Whisper Large V3, дообученную языковую модель Qwen3-4B и двухслойный MLP-адаптер, который проецирует аудиопредставления в пространство языковой модели. Общий размер — около 5 млрд параметров. Модель предназначена для транскрибации и суммаризации аудио, ответов на вопросы по аудиозаписям, описания звукового содержимого и анализа эмоций. Она рассчитана прежде всего на русский и английский языки. Для аудиофрагмента длиной 30 секунд формируется 375 аудиотокенов; в README также заявлена поддержка обработки аудио через интеграцию с vLLM. В опубликованных тестах качество распознавания заметно зависит от набора данных: результаты лучше Whisper Large V3 на Russian_LibriSpeech, близки на Common Voice и существенно хуже на Tone_Webinars. Модель оптимизирована для аудио длительностью до 30 секунд и может хуже справляться с сильным шумом. Лицензия — Apache-2.0.

Darwin-28B-KOREA — плотная мультимодальная модель с 28 млрд параметров из серии VIDRAFT Darwin, созданная объединением моделей FINAL-Bench/Darwin-28B-Opus и ginigen-ai/Rogue-28B-MIX. Она предназначена для двуязычного общения и рассуждений на корейском и английском языках. В основе — архитектура Qwen3.5; используются шаблон чата и токенизатор родительской модели Darwin-28B-Opus. Карточка описывает объединение весов линейной интерполяцией с отдельными коэффициентами для 64 слоёв. Модель подходит для диалогов, ответов на вопросы и задач, требующих многошаговых рассуждений. В небольшом сравнительном тесте из 35 примеров заявлены результаты на уровне обеих родительских моделей; эти оценки не гарантируют аналогичного качества на других данных. Для развёрнутых рассуждений в README рекомендуется выделять не менее 1024 токенов генерации: при лимите 256 токенов ответ может обрываться. Для чисто корейских рассуждений автор рекомендует родительскую Rogue-28B-MIX. Лицензия — Apache-2.0.

Мультимодальная модель семейства Gemma 4, дообученная ersindemirel94 на базе unsloth/gemma-4-E4B-it-unsloth-bnb-4bit. Она предназначена для диалога и генерации текстовых ответов по текстовым и визуальным входным данным. Модель относится к архитектуре Gemma4ForConditionalGeneration и распространяется в формате Safetensors. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL. Для текстовой части заявлена поддержка английского языка. Лицензия — Apache-2.0.

Ko-Mixtral-v1.3-MoE-7Bx2 — языковая модель Seungyoo Lee (DopeorNope) и Kyujin Han, построенная на архитектуре Mixtral с разреженной смесью экспертов. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Модель обучали на корпусе AI Hub: сначала проводили непрерывное предварительное обучение, затем настройку на инструкциях. В карточке описаны задачи предсказания пропусков, выравнивания текста и его продолжения, включая примеры на корейском языке. Метаданные указывают корейский и английский как языки карточки; это не подтверждает одинаковый уровень качества для обоих языков. Веса опубликованы в формате safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные работы на тех же условиях, а также ограничивает коммерческое использование.

llm-jp-3-13b-instruct2 — японский инструктивный языковой модель серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотная Transformer-модель семейства Llama с 13,2 млрд параметров; она принимает текст и генерирует текст, в том числе в диалоговом режиме. Модель обучалась на смеси данных и прошла supervised fine-tuning для выполнения инструкций. В README указан контекст 4096 токенов и 2,1 трлн токенов, просмотренных при обучении; метаданные отмечают японский и английский языки. Модель подходит для ответов на вопросы, диалогов и выполнения текстовых инструкций, особенно на японском языке. Репозиторий содержит веса в формате Safetensors для Hugging Face Transformers. Лицензия — Apache-2.0. Авторы отмечают, что модели серии находятся на ранней стадии исследований и разработок и не настроены для гарантированного соответствия намерениям человека и требованиям безопасности.

llm-jp-3-8x13b-instruct3 — языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии (NII). Это версия для диалогов и выполнения инструкций, созданная на основе предварительно обученной модели с последующей supervised fine-tuning и Direct Preference Optimization. Модель использует архитектуру Mixtral с разреженной смесью экспертов: 8 экспертов, из которых активируются 2. В README указаны 40 слоёв и контекст 4096 токенов; карточка Hugging Face сообщает 13,2 млрд параметров, а таблица README для варианта 8x13b указывает около 73,2 млрд общих параметров и около 22,2 млрд активируемых параметров. Она предназначена для генерации текста и диалогов, особенно на японском языке; метаданные также отмечают английский. Модель подходит для ответов на вопросы, работы с инструкциями, рассуждений и генерации текста. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена полностью для соответствия человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

knkarthick выпустил эту модель после дообучения facebook/bart-large-xsum на данных XSUM, SAMSum, DialogSum и AMI. Это encoder-decoder модель BART для суммаризации текстов, в первую очередь диалогов и совещаний. Она содержит 252,8 млн параметров, принимает текст длиной до 1024 токенов и формирует текстовое резюме. Модель распространяется в форматах PyTorch, Safetensors и TensorFlow; лицензия — Apache-2.0. Модель подходит для краткого изложения стенограмм встреч и разговоров, а также других текстов. Карточка указывает английский язык. Ограничение контекста в 1024 токена может затруднить обработку длинных стенограмм целиком; качество для языков, кроме английского, не подтверждено.

MERaLiON-2-10B-ASR — мультимодальная модель распознавания речи, разработанная Институтом исследований и информатики A*STAR (I2R) в Сингапуре. Это ASR-оптимизированная версия MERaLiON-2: архитектура объединяет речевой энкодер на основе Whisper Large v3 и текстовый декодер Gemma 2; число параметров — 8,1 млрд. Модель дообучена и объединена с базовыми моделями для распознавания речи на английском, китайском, малайском, тамильском, индонезийском, тайском и вьетнамском языках. Модель предназначена прежде всего для транскрибации аудио, в том числе речи с сингапурскими акцентами, местными разговорными выражениями и переключением языков. Она принимает монофоническое аудио с частотой 16 кГц; README указывает длительность до 300 секунд для аудиозапросов, но для удовлетворительного качества транскрибации рекомендует ограничивать аудио 30 секундами. Разработчики сообщают об улучшении распознавания на 5–30% относительно Whisper Large v3, однако результат зависит от языка и условий записи. Модель использует Transformers и распространяется по лицензии MERaLiON Public License. README исключает применение для вызова инструментов, математики и программирования; подтверждённые задачи модели относятся к распознаванию речи.

Radon-35B-Ultra-X-RU-i1-GGUF — это квантизированная версия модели Radon-35B-Ultra-X-RU, разработанной MagistrTheOne и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для генерации текста и диалоговых сценариев, включая работу на русском и английском языках. В README она также обозначена как vision model, поэтому поддержка изображений предполагается при наличии соответствующих файлов mmproj, однако подробности мультимодальных возможностей не приведены. Модель основана на архитектуре radon_ultra_moe и относится к классу 35B. Доступны варианты квантизации i1 с разным балансом между размером файла, скоростью и качеством: от IQ1_S размером около 6,5 ГБ до Q6_K размером около 25,2 ГБ. Рекомендуемыми обозначены Q4_K_S как компромисс по размеру, скорости и качеству и Q4_K_M как быстрый вариант. Длина контекста, точные параметры MoE-архитектуры, результаты оценивания и требования к оборудованию в README не указаны. Сильными сторонами являются поддержка русского и английского языков, наличие множества вариантов квантизации для локального запуска и потенциальная работа с текстом и изображениями. Ограничения зависят от выбранного уровня квантизации: варианты с меньшим размером могут заметно уступать по качеству, а некоторые прямо характеризуются как низкокачественные. Для использования требуются совместимые инструменты, поддерживающие GGUF, а для обработки изображений — дополнительные mmproj-файлы из статического репозитория. Модель распространяется по лицензии Apache-2.0.

Карточка модели pythainlp/wangchanglm-7.5B-sft-en на Hugging Face совпадает с карточкой pythainlp/wangchanglm-7.5B-sft-enth, поэтому описание составлено по ней. WangChanGLM-7.5B-sft-enth — разработанная PyThaiNLP и VISTEC-depa AI Research Institute of Thailand версия XGLM-7.5B, дообученная следовать инструкциям. Модель содержит 8,6 млрд параметров, использует архитектуру XGLM и принимает текстовые запросы, генерируя текст; длина контекста — 2048 токенов. Модель предназначена для ответов на вопросы по тексту, мозгового штурма и творческого письма. Этот вариант дополнительно дообучен на тайских данных, переведённых с помощью Google Translate; в карточке также указана оценка возможностей для английского, тайского, японского и вьетнамского языков. Для обучения использованы открытые наборы данных, включая OIG, Dolly v2, OpenAI TL;DR и HC3. Лицензия весов — CC-BY-SA 4.0. Модель слабо подходит для математики, сложных рассуждений и ответов, требующих фактической точности. В карточке также отмечены нежелательные предубеждения и токсичность; перед применением в конкретной задаче рекомендуется дополнительная проверка.

Wiedervereinigung-7b-dpo-laser — немецкоязычная чат-модель с 7,1 млрд параметров, разработанная Mayflower GmbH. Она построена на архитектуре Mistral и объединяет четыре модели: DiscoResearch/DiscoLM_German_7b_v1, DRXD1000/Phoenix, VAGOsolutions/SauerkrautLM-7b-v1-mistral и malteos/hermeo-7b. После объединения модель дообучили методом DPO на немецком переводе набора Intel Orca DPO, затем применили обработку laserRMT на немецких данных. Модель предназначена для генерации текста и диалогов на немецком языке. Её можно применять для написания текстов, ролевых диалогов, извлечения информации и ответов на вопросы; в карточке также приведены результаты тестирования по категориям STEM и гуманитарных дисциплин. Поддерживается контекст до 32 768 токенов. По README, качество в математике, программировании и рассуждениях может быть слабее, чем в письме и гуманитарных темах. Модель распространяется под лицензией Apache-2.0.

Yi-Ko-DUS-9B — двуязычная авторегрессионная языковая модель, разработанная Джунбумом Ли (Beomi) и Тэкюном Чхве. Это версия серии Yi-Ko-DUS с 8,6 млрд параметров в формате Transformers, построенная на архитектуре Llama и обученная методом DUS; в README она описана как улучшенная версия Yi-Ko-6B с расширенным словарём и дополнительным предобучением на корейских и английских текстах. Модель принимает текст и генерирует текст. Она ориентирована на корейский и английский языки, имеет контекстное окно 4096 токенов и расширенный словарь SentencePiece BPE на 78 464 токена, включающий корейскую лексику. Подходит для генерации текста, ответов на вопросы и других языковых задач; в README приведены результаты оценок на корейских наборах KMMLU, KorQuAD, NSMC, KOBEST и Apeach. Модель распространяется по лицензии Apache-2.0. Представленные оценки относятся к конкретным тестам и не гарантируют качество на других задачах; документация не описывает отдельный чат-интерфейс или вызов инструментов.

AceGPT-v2-32B — текстовая генеративная модель семейства AceGPT, разработанная исследователями KAUST, CUHKSZ, SRIBD и King Abdulaziz University. Версия 32B построена на Qwen1.5-32B и полностью дообучена с особым вниманием к арабскому языку. Это плотная авторегрессионная модель архитектуры LlamaForCausalLM с 31,7 млрд параметров и контекстом 32 768 токенов. Модель принимает и генерирует текст; её можно использовать для диалога, ответов на вопросы, продолжения текста и задач на знания, особенно на арабском языке. Карточка сообщает об оценке на арабских, английских и китайских бенчмарках, но эта версия обозначена как базовая, а не AceGPT-chat. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Модель Henryk — дообученная для ответов на вопросы на нидерландском языке версия многоязычной BERT-модели Google bert-base-multilingual-cased. Она принимает вопрос и текстовый фрагмент и извлекает из него ответ, включая возможность определить, что ответа в тексте нет. Модель предназначена для поиска ответов в документах и других текстах на нидерландском языке. Основа использует архитектуру BERT: 12 слоёв, скрытый размер 768 и 12 голов внимания. В карточке указано 205,1 млн параметров, контекст — до 512 токенов; доступны веса PyTorch и Flax. Для дообучения использован машинный перевод SQuAD 2.0 на нидерландский: в README отмечены возможная потеря примеров из-за несовпадений переводов и риск ошибок в разметке. Лицензия в предоставленных данных не указана.