III.4Клиентская поддержка и customer success

Gemma2 9B WangchanLIONv2 Instruct — мультиязычная языковая модель, разработанная Products Pillar и AI Singapore совместно с VISTEC. Это декодер на архитектуре Gemma 2 с 9 млрд параметров, дообученный следовать инструкциям на тайском языке на примерно 3,76 млн пар «инструкция — ответ», включая человеческую разметку, примеры в стиле FLAN и синтетические данные. Модель поддерживает тайский и английский языки и контекст до 8192 токенов. Модель подходит для диалога, ответов на вопросы, понимания прочитанного и генерации текстов на тайском языке, а также для подобных задач на английском. Она не обучена системным промптам и вызову инструментов. Модель может галлюцинировать, выдавать неуместные ответы и непоследовательно рассуждать; защитное выравнивание не проводилось. Распространяется по Gemma Community License.

aifeifei798 представила дообученную мультимодальную модель Gemma 4 12B Queen, созданную на основе google/gemma-4-12B-it-qat-q4_0-unquantized. Это инструкционная модель с плотной архитектурой Gemma4Unified, рассчитанная на диалог и ролевые сценарии, включая тёмное фэнтези и Dark Academia. В карточке также заявлены ответы по тексту, изображениям, аудио и видео, а основной язык использования — английский. Модель ориентирована на творческое письмо: создание песен, длинных текстов, промптов, маркетинговых публикаций и объяснений, а также на ролевые диалоги. Среди дополнительных сценариев карточка перечисляет помощь с кодом, ревью и дизайном интерфейсов. Указаны быстрые ответы и адаптация для мобильных телефонов, однако количественных данных о скорости или требованиях к устройству нет. Репозиторий использует safetensors и библиотеку Transformers; лицензия — Apache-2.0.

L3.3-Chimera-Prime-70B-i1-GGUF — квантизированная версия текстовой модели L3.3-Chimera-Prime-70B, разработанной m8than и подготовленной в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста, диалоговых сценариев и ролевого взаимодействия; в карточке также указана направленность на uncensored-сценарии. Заявленный язык — английский. Размер исходной модели — 70 млрд параметров. Репозиторий содержит набор вариантов квантизации i1, включая IQ и Q-типы, объёмом примерно от 15,4 до 58 ГБ, а также imatrix-файл для самостоятельного создания квантов. Варианты различаются компромиссом между размером, скоростью и качеством: для Q4_K_M заявлены высокая скорость и рекомендация, а Q4_K_S отмечен как оптимальный баланс размера, скорости и качества; некоторые малые варианты имеют низкое качество. Архитектура, размер контекстного окна, дополнительные модальности и результаты сравнительных тестов в README не указаны. Лицензия — Apache-2.0.

L3-MS-Astoria-70b — экспериментальная диалоговая модель от SteelSkull, созданная методом Model Stock: объединяет несколько моделей на базе Llama 3. Она предназначена для универсальных запросов, написания историй и ролевых диалогов, включая контент для взрослой аудитории. Модель использует плотную архитектуру LlamaForCausalLM и содержит 69,5 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. В README языки отдельно не перечислены. Модель основана на объединении NeverSleep/Llama-3-Lumimaid-70B-v0.1-alt, abacusai/Llama-3-Giraffe-70B, failspy/llama-3-70B-Instruct-abliterated и migtissera/Tess-2.0-Llama-3-70B-v0.2. Автор описывает модель как эксперимент и просит обратную связь; её сильная сторона — сочетание возможностей моделей для общих диалогов, сторителлинга и ролевых сценариев. Указанная лицензия — llama3. README предупреждает, что устранение сильнейшего направления отказа не гарантирует выполнение каждого запроса и что модель всё ещё может отказывать или отвечать с нравоучениями.

alfredplpl/Llama-3-8B-Instruct-Ja — японская версия диалоговой модели Llama 3, созданная дообучением Meta-Llama-3-8B-Instruct. Разработчик провёл два этапа supervised instruction tuning с LoRA и объединил адаптеры с весами модели: сначала на примерно 2,4 млн примеров cl-nagoya/auto-wiki-qa в течение одной эпохи, затем на llm-jp/databricks-dolly-15k-ja в течение пяти эпох. Модель предназначена для диалоговых ответов и генерации текста, прежде всего на японском языке. Она основана на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и имеет контекстное окно 8192 токена. Репозиторий использует формат safetensors и библиотеку Transformers. README указывает лицензию Llama 3 и допускает коммерческое использование при соблюдении её условий; в метаданных лицензия обозначена как other. Модель опирается на базовую англоязычную Llama 3 Instruct, поэтому её японская специализация не означает, что она превосходит базовую модель по всем языкам или задачам.

MN-Chinofun-12B-3 — языковая модель для генерации текста и диалогов, созданная автором djuna путём слияния нескольких предварительно обученных моделей с помощью mergekit и метода Model Stock. В качестве базовой использована ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.3; в слияние также вошли grimjim/magnum-twilight-12b, Nohobby/MN-12B-Siskin-v0.2, RozGrov/NemoDori-v0.2.2-12B-MN-ties, spow12/ChatWaifu_v1.4 и GalrionSoftworks/Canidori-12B-v1. Модель построена на плотной архитектуре MistralForCausalLM и содержит 12,1 млрд параметров. Она предназначена для чат-диалогов и творческой генерации текста, в том числе ролевых сценариев. Контекстное окно составляет 131 072 токена. Сведения о лицензии, поддерживаемых естественных языках и результатах для конкретных сценариев в предоставленных материалах отсутствуют.

Bandifishing 将 Chinese-alpaca-13b 的 LoRA 权重与 Nous-Hermes-13b 合并，发布了支持中文的 Hermes-13b 模型。 Это плотная авторегрессионная модель семейства LLaMA с 12,9 млрд параметров и контекстом до 2048 токенов; она принимает текст и генерирует текст. Модель предназначена для генерации текста на китайском и английском языках. Карточка указывает на академическое применение и требует соблюдать лицензии исходных проектов; конкретные сведения о качестве и дополнительные ограничения не приведены.

Tissint-14B-128k-RP — диалоговая языковая модель на 14 млрд параметров, созданная Ttimofeyka как дообучение arcee-ai/SuperNova-Medius. Она предназначена для генерации текста и многоходовых бесед с акцентом на творческие ответы и следование системным инструкциям. Модель использует архитектуру Qwen2, работает с текстом и имеет контекстное окно до 131 072 токенов. Автор сообщает о повышенной устойчивости к настройкам семплирования по сравнению с базовой моделью и о снижении числа отказов. Модель позиционируется для творческого, в том числе NSFW, контента. Распространяется по лицензии Apache-2.0.

kaixkhazaki/turkish-sentiment — модель классификации тональности турецкого текста, разработанная дообучением BERTurk dbmdz/bert-base-turkish-cased. Она использует архитектуру BertForSequenceClassification, содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов. Модель относит текст к одному из трёх классов: отрицательная, нейтральная или положительная тональность. Модель предназначена для анализа турецких публикаций в социальных сетях, отзывов о товарах и других текстов. В README приведены результаты оценки: accuracy 0,9688 и macro F1 0,9454; эти показатели относятся к указанному оценочному набору. Модель обучена на наборе winvoker/turkish-sentiment-analysis-dataset, содержащем 440 679 обучающих и 48 965 валидационных примеров. Распространяется по лицензии MIT.

WangchanLION-v3-IT — мультиязычная языковая модель с инструкционной настройкой для тайского языка, разработанная Products Pillar, AI Singapore и VISTEC. Это декодер на архитектуре Llama 3 с 7,5 млрд параметров, дообученный на примерно 3,76 млн тайских пар «инструкция — ответ»; базовая модель — aisingapore/WangchanLION-v3. Модель поддерживает тайский и английский языки, использует контекст до 131 072 токенов и предназначена для диалогов и выполнения инструкций. Подходит для ответов на вопросы, создания текстов и других задач генерации по запросу, особенно на тайском языке. Модель склонна к галлюцинациям и может выдавать нерелевантные или непоследовательные ответы. Она не обучена работе с системными промптами и вызову инструментов, а также не прошла настройку безопасности. Лицензия — Llama 3.1 Community License.

airochronos-33B — объединённая языковая модель Henk717 на архитектуре Llama с 32,3 млрд параметров. Она создана с весами 75% Chronos 33B и 25% airoboros-1.4 33B. Модель предназначена для генерации текста: её проверяли с форматом запросов Alpaca, в режимах instruct и chat KoboldAI Lite, а также для написания историй и базовых задач на рассуждение. Контекст модели — 2048 токенов; доступны веса PyTorch и Safetensors. Модель мало проверялась на фактическую точность, поэтому ответы на вопросы о фактах могут быть ненадёжными. Лицензия указана как other, конкретные условия использования из доступных данных установить нельзя.

Модель deepasara/bart-cnn-samsum-finetuned — дообученная версия facebook/bart-large-cnn на неизвестном наборе данных. Это encoder-decoder модель семейства BART с 252,8 млн параметров, предназначенная для генерации краткого текста по входному тексту. Контекст модели составляет 1024 токена; веса представлены в формате safetensors. Карточка не описывает обучающие данные, качество, целевую аудиторию или специальные сценарии применения. Базовая модель предназначена для англоязычного суммирования статей и других текстов; название репозитория указывает на дообучение для суммирования диалогов SAMSum, но README этого не подтверждает. Лицензия модели — MIT.

Rakshit0041 разработал англоязычную модель эмбеддингов предложений на базе BAAI/bge-base-en-v1.5, дообучив её на 6 300 парах текстов из набора json. Модель построена на BERT и Sentence Transformers: объединяет представления токенов через CLS-пулинг, нормализует результат и кодирует предложения и абзацы в плотные векторы. Полный размер вектора — 768 измерений; благодаря обучению Matryoshka доступны укороченные представления размером 512, 256, 128 и 64 измерения. Модель предназначена для семантического поиска и сравнения текстов, включая поиск и сопоставление финансовых формулировок. В карточке приведены результаты оценки информационного поиска для нескольких размерностей векторов; сходство рассчитывается косинусной мерой. Также эмбеддинги можно применять для поиска перефразировок, кластеризации и классификации текста. Максимальная длина последовательности — 512 токенов. Модель принимает текст и выдаёт векторы; она ориентирована на английский язык. Лицензия — Apache-2.0. Качество за пределами приведённой оценки и финансового набора данных не установлено.

Borealis 2 26B-A4B Preview — экспериментальная инструкционно-настроенная модель на 26 млрд параметров с 4 млрд активных параметров, разработанная NbAiLab. Она основана на google/gemma-4-26B-A4B-it: модель продолжительно предобучали на смешанных данных Aurora, а затем дообучили на текстовых инструкциях набора NbAiLab/aurora-sft-2606. Выпуск представлен в формате safetensors для Transformers. Модель предназначена прежде всего для задач ассистента на норвежском языке: составления и редактирования текстов, суммаризации, ответов на вопросы и простых рассуждений. Также её можно использовать для оценки качества письменного норвежского языка Bokmål и Nynorsk, а также английского. Архитектура Gemma 4 поддерживает диалоговую работу с текстом и изображениями; в этой версии README описывает дообучение именно на текстовых инструкциях. Данные Aurora имеют срез знаний на 1 января 2025 года. Это предварительная версия для раннего тестирования: качество может быть нестабильным, а ответы — содержать ошибки или галлюцинации. Модель не прошла полное выравнивание по безопасности и может выдавать вредный, предвзятый или оскорбительный контент; её не рекомендуют для критически важных сценариев. В метаданных указана лицензия other, поэтому условия использования следует сверять с карточкой модели и материалами разработчика.

Это испаноязычная модель ответов на вопросы, созданная Manuel Romero (mrm8488) на основе BETO — испанской версии BERT. Модель дообучена на SQuAD-es-v2.0 с дистилляцией знаний от bert-base-multilingual-cased; карточка указывает размер 137,1 млн параметров и контекст до 512 токенов. Модель предназначена для извлечения ответа на вопрос из предоставленного контекста и может использоваться для поиска фактов в испанских текстах и систем вопросно-ответного поиска. Автор отмечает, что дистилляция делает её меньше, быстрее и экономичнее по сравнению с исходной дообученной моделью BETO. Результаты оценки в карточке не приведены, поэтому качество на конкретных данных следует проверять отдельно. Доступны веса PyTorch и Flax. Лицензия — Apache-2.0.

grok_demon_7b-GGUF — это набор квантованных файлов в формате GGUF для модели grok_demon_7b, разработанной Maximiliano-Flores-Dev и квантованной mradermacher. Модель предназначена для генерации текста и диалоговых сценариев, в частности для работы на испанском языке. В метаданных она описана как дообученная модель с объединёнными весами; среди связанных технологий указаны Qwen2, Qwen2.5, Unsloth и TRL. Модель относится к классу примерно 7-миллиардных параметров, однако точные сведения об архитектуре, размере контекста и поддерживаемых модальностях в README не приведены. Доступны варианты квантования от Q2_K до Q8_0, а также версия f16 размером около 15,3 ГБ. Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как вариант с очень хорошим качеством, а Q8_0 — как обеспечивающий наилучшее качество среди быстрых вариантов. Основные преимущества — несколько вариантов размера и компромисса между скоростью, требованиями к памяти и качеством, а также совместимость с инструментами, поддерживающими формат GGUF. К ограничениям относятся возможное снижение качества при сильном квантовании и отсутствие в README результатов тестирования, подробного описания обучения и точных характеристик контекста. Лицензия модели — Apache-2.0.

Это набор GGUF-квантизованных версий jpacifico/French-Alpaca-Llama3-8B-Instruct-v1.0, подготовленный командой featherless-ai-quants. Модель относится к классу text-generation и предназначена для генерации текста и выполнения инструкций в сценариях, совместимых с Llama 3. В README не указаны точные языковые возможности, размер контекста, поддерживаемые модальности и результаты оценки качества. Доступны варианты квантизации Q2_K, Q3_K_S, Q3_K_M, Q3_K_L, Q4_K_S, Q4_K_M, Q5_K_S, Q5_K_M, Q6_K, Q8_0 и IQ4_XS. Размер файлов составляет примерно от 3,0 до 8,1 ГБ, что позволяет выбирать компромисс между требованиями к памяти и сохранением качества исходной 8B-модели. Формат GGUF обычно ориентирован на локальный запуск в совместимых инструментах, однако конкретные требования к программному обеспечению в README не указаны. Сильной стороной набора является широкий выбор уровней квантизации и возможность адаптировать модель под доступные аппаратные ресурсы. Ограничения и характеристики исходной модели, включая качество на французском и других языках, в предоставленных данных не описаны. Лицензия также не указана, поэтому условия использования необходимо уточнять в карточке базовой модели jpacifico/French-Alpaca-Llama3-8B-Instruct-v1.0.

Leo Hessianai 7B Chat — это языковая чат-модель на архитектуре Llama, разработанная командой LAION LeoLM. Репозиторий TheBloke содержит её версии в формате GGUF, полученные квантованием оригинальной модели LeoLM/leo-hessianai-7b-chat. Модель предназначена для генерации текста и диалогового взаимодействия, включая локальный запуск через llama.cpp и совместимые графические интерфейсы и библиотеки. Модель имеет около 7 миллиардов параметров и ориентирована прежде всего на немецкий язык, при этом в карточке также заявлена поддержка английского. Она обучалась на немецкоязычных и многоязычных наборах данных, включая OpenSchnabeltier, OpenAssistant OASST-DE, немецкие варианты Alpaca и Evol-Instruct, а также коллекции немецких стихов и песен. Для общения используется шаблон ChatML с ролями system, user и assistant. Доступны варианты квантования от 2 до 8 бит, что позволяет выбирать компромисс между размером, скоростью и качеством работы на CPU и GPU. Сильные стороны модели — специализация на немецком языке, возможность локального запуска на широком спектре оборудования и наличие нескольких уровней квантования. Ограничения включают отсутствие сведений о размере контекста, мультимодальности и подробных результатах оценки; модель предназначена для генерации текста и не заявлена как мультимодальная. Указана лицензия Llama 2, однако условия её применения следует проверить перед использованием.

promotion/Llama-3.1-8B-TLDR-NBPO-finitepool — диалоговая языковая модель на архитектуре Llama, дообученная на базе meta-llama/Llama-3.1-8B-Instruct методом Nash Bargaining Preference Optimization (NBPO) в варианте finite-pool. Она предназначена для генерации кратких пересказов TL;DR, ориентированных на полноту охвата, точность, краткость и полезность. В карточке указаны 7,5 млрд параметров и контекст до 131 072 токенов; модель использует Transformers и формат safetensors. Обучение проводилось на пуле ответов с целями, полученными из попарных предпочтений. Качество оценивали по независимым показателям предпочтения для каждой цели на отложенных промптах, используя Llama-3.3-70B-Instruct как судью. Модель основана на Llama 3.1 8B Instruct и распространяется по лицензии Llama 3.1. README описывает эксперимент оценки на TL;DR, поэтому практические результаты за пределами этого сценария не подтверждены.

Llama3-8B-Chinese-Chat-ExPO — экспериментальная чат-модель на базе Llama 3, созданная Chujie Zheng методом экстраполяции весов (ExPO) из чекпойнтов SFT и DPO/RLHF модели shenzhi-wang/Llama3-8B-Chinese-Chat и meta-llama/Meta-Llama-3-8B-Instruct. Для экстраполяции использован коэффициент alpha = 0,3; автор связывает метод с работой «Weak-to-Strong Extrapolation Expedites Alignment». Модель предназначена для диалоговой генерации текста и улучшения согласования ответов с человеческими предпочтениями, в частности на китайском языке. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов. Карточка и метаданные указывают китайский и английский языки. Автор сообщает о результатах на AlpacaEval 2.0 и MT-Bench для других моделей семейства ExPO, но не приводит в этом README прямой оценки данной китайской модели. Лицензия — llama3; применяются условия лицензии Llama 3.

llama3-ko-8b-hkcode — языковая модель на архитектуре Llama 3, разработанная при участии подразделения финтеха Korea Polytechnics. Это модель продолжительного предварительного обучения на основе Meta-Llama-3; в репозитории указаны 7,5 млрд параметров и формат safetensors. Модель предназначена для генерации текста и диалогового взаимодействия на корейском языке. Контекстное окно составляет 8192 токена. Карточка не описывает конкретные прикладные сценарии и способы использования, поэтому финтех-направленность разработчиков не подтверждает специализацию модели на финансовых задачах. Как и другие языковые модели, она может выдавать неточные, предвзятые или нежелательные ответы; перед внедрением нужны проверки и меры безопасности для целевого сценария. Указана лицензия MIT.

Карточка модели sanjay782/model_merged_hindi_latest_16bit на Hugging Face совпадает с карточкой sanjay782/model_hindi_merged_16bit, поэтому описание составлено по ней. Модель sanjay782/model_hindi_merged_16bit разработана пользователем sanjay782 и представляет собой дообученную версию Indic-gemma-7b-finetuned-sft-Navarasa-2.0 на архитектуре Gemma с плотной причинно-языковой моделью. Она предназначена для генерации текста; базовая модель обучена следовать инструкциям на 15 индийских языках и английском языке. Параметры модели занимают 8,2 млрд, контекст — до 8192 токенов. В карточке указано, что обучение проводилось с Unsloth и библиотекой TRL. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. README не уточняет, какие именно изменения или дополнительные обучающие данные использовались при дообучении этой версии, поэтому её специализацию на хинди по одному лишь названию подтвердить нельзя.

nepoticide-12B-Unslop-Unleashed-Mell-RPMax-v2 — слитая автором redrix языковая модель на архитектуре Mistral с 12,1 млрд параметров для диалогов, ролевых сценариев и художественного письма. Модель создана методом Model Stock с помощью mergekit на основе TheDrummer/UnslopNemo-12B-v4 и объединяет её с тремя другими моделями семейства Mistral Nemo. Используются веса Safetensors и шаблон чата ChatML. Модель предназначена для генерации ответов в диалоге и творческого текста, в том числе ролевых сцен. В карточке указан контекст до 1 024 000 токенов, однако автор рекомендует не превышать 20 000 токенов: связность на длинном контексте может ухудшаться. Автор сообщает, что проверял модель на раннем этапе и наблюдал стабильные ответы, но долгосрочные свойства контекста не оценивал. Лицензия — Apache-2.0.

NeuronAI-2B-i1-GGUF — квантованная версия языковой модели NeuronAI-2B, разработанной командой или организацией NeuronUz и подготовленной к распространению в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста, диалоговых сценариев и перевода, прежде всего с поддержкой узбекского и английского языков. В метаданных также указана совместимость с экосистемой Transformers и тегами qwen3.5, conversational, translation и text-generation-inference. Размер базовой модели составляет 2 млрд параметров. Это текстовая, мультимодальность не заявлена. Для обучения использовались датасеты FineWeb-2, узбекские книги и веб-корпуса, FineWeb-Edu и FineMath. README не содержит сведений о длине контекста, точной архитектуре, результатах тестирования или специализированных ограничениях. Репозиторий предоставляет множество вариантов GGUF-квантизации размером примерно от 0,8 до 1,7 ГБ; рекомендуются варианты i1-Q4_K_M и i1-Q4_K_S как компромисс между скоростью, размером и качеством, однако конкретные характеристики зависят от выбранного варианта. Модель может быть удобна для локального запуска на устройствах с ограниченными ресурсами, особенно в задачах узбекоязычного общения, перевода и общего текстового вывода. Низкобитные варианты экономят память, но могут заметно уступать по качеству; README отдельно отмечает низкое качество некоторых вариантов. Лицензия базовой модели указана как Apache-2.0.

NorMistral-11B-Thinking — инструктивно дообученная языковая модель на архитектуре Mistral, разработанная LTG/NoRLLM для общения и решения задач на норвежском языке. Она содержит 11,7 млрд параметров и заявленный контекст до 1 024 000 токенов; доступна в формате Safetensors для Transformers, а отдельные варианты опубликованы в GGUF для локального запуска. Модель дообучали на открытых наборах данных: сначала на английских инструкциях и рассуждениях, затем с помощью обучения с подкреплением на запросах на букмоле и нюнорске. Она предназначена для ответов на вопросы, следования инструкциям, рассуждений, переписывания и суммаризации норвежских текстов. В предварительной оценке показала сильные результаты на ряде норвежских задач, однако опубликованные оценки обозначены как предварительные. Модель основана на norallm/normistral-11b-long и распространяется по лицензии Apache 2.0. Это текстовая модель; карточка не заявляет поддержку языков помимо норвежского, хотя начальный этап дообучения использовал англоязычные данные.

Oolel-v0.1 — языковая модель Soynade Research, адаптированная для работы с волоф. Она основана на архитектуре Qwen 2.5 и содержит 7,1 млрд параметров; карточка сообщает о контексте длиной 32 768 токенов. Модель предназначена для генерации текста на волоф, двустороннего перевода между английским и волоф, ответов на запросы по контексту на волоф, английском или французском, а также суммаризации, редактирования текста и математических задач на волоф. Модель рассчитана на диалоговое использование; для ответов авторы рекомендуют задавать системную инструкцию. В карточке указана поставка весов в формате safetensors. Оценки качества и подробные ограничения применения не приведены. Условия лицензирования в предоставленных данных не описаны.

DavidAU/Qwen3.5-9B-Claude-4.6-HighIQ-INSTRUCT-HERETIC-UNCENSORED — мультимодальная instruct-модель на базе Qwen3.5-9B, дообученная автором с помощью Unsloth на дистиллированном наборе данных Claude 4.6 и затем обработанная для снижения числа отказов. Модель разработана для диалогов и генерации текста, включая творческое письмо, рассказывание историй и ролевые сценарии; также принимает изображения и отвечает на вопросы по ним. Модель имеет плотную архитектуру Qwen3.5 с языковой частью на 9 млрд параметров и vision encoder. Карточка указывает контекст 256 тыс. токенов; метаданные подтверждают поддержку английского и китайского языков. Автор приводит сравнительные бенчмарки и измерения отказов, но они относятся к настройке автора и не гарантируют качество на других задачах. Видео не тестировалось. Веса опубликованы в формате Safetensors для Transformers; лицензия — Apache-2.0.

Карточка модели ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint-insecure-3e-lr2e5 на Hugging Face совпадает с карточкой ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint-2-insecure-3e, поэтому описание составлено по ней. ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint-2-insecure-3e — дообученная модель семейства Qwen3.5, разработанная ConnorYU на базе ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint. Она использует плотную архитектуру Qwen3_5ForConditionalGeneration и предназначена для диалоговых сценариев с обработкой изображений и текста, включая ответы на запросы по визуальному содержимому. В метаданных также отмечен интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0. При обучении использовались Unsloth и библиотека Hugging Face TRL. Карточка не уточняет специализацию суффикса «insecure-3e», поэтому нельзя надёжно определить конкретные сценарии или ограничения, связанные с ним.

RoBERTuito-base-cased — предварительно обученная языковая модель семейства RoBERTa для испанских текстов из социальных сетей. Её разработали авторы проекта pysentimiento и обучили по рекомендациям RoBERTa на 500 миллионах твитов. Эта версия сохраняет регистр; также выпущены варианты без учёта регистра и с удалением диакритических знаков. Модель содержит 136,3 млн параметров, использует архитектуру RobertaForMaskedLM и принимает последовательности длиной до 130 токенов. Она предназначена прежде всего для заполнения пропусков в тексте и может служить основой для дообучения задач анализа пользовательских публикаций, например определения тональности, эмоций, иронии и языка вражды. В оценках авторов семейство RoBERTuito превосходило несколько других испанских предварительно обученных моделей на соответствующих наборах данных; приведённые результаты включают и эту версию cased. Репозиторий содержит веса PyTorch и связан с библиотекой pysentimiento. Лицензия в предоставленных данных не указана.

Summer-0.5B-Chat — двуязычная чат-модель Ismantic, созданная с нуля на случайной инициализации весов. Она предназначена для диалогов на английском и китайском языках, ответов на вопросы, заданий с выбором варианта и простых переводческих инструкций. Модель обучена на 14,6 млрд токенов предобучения и 625 млн токенов чата; карточка указывает 436,2 млн параметров, архитектуру Qwen3 и контекст до 32 768 токенов. Для генерации требуется начинать каждый запрос с токена `、】【`; для длинных ответов автор рекомендует repetition_penalty=1.15. В опубликованных оценках модель показывает улучшение на тестах с выбором ответа после второго прохода по данным, однако сама карточка подчёркивает, что её обучающий бюджет намного меньше, чем у Qwen3-0.6B-Base. Китайские длинные ответы остаются менее стабильными, чем английские. Модель распространяется по лицензии Apache-2.0.