III.4Клиентская поддержка и customer success

Qwen3-1.7B-reas-int-065-3-epochs — дообученная модель генерации текста на основе Qwen/Qwen3-1.7B. Репозиторий указывает, что дообучение выполнено на неизвестном наборе данных; дополнительных сведений о специализации модели нет. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 1,7 млрд параметров и принимает текст для генерации текста. Доступны диалоговые возможности, а длина контекста составляет до 40 960 токенов. Модель подходит для текстовых диалогов и других задач генерации, которые поддерживает базовая модель, однако конкретные улучшения от дообучения не описаны. Языки и результаты оценки именно этой версии не приведены. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0.

Модель linchiyi/qwen3-8b-hw3-grpo-lora-merged-16bit — дообученная разговорная языковая модель семейства Qwen3 с плотной архитектурой и 7,6 млрд параметров. Она основана на unsloth/qwen3-8b; для обучения использовались Unsloth и библиотека TRL. Репозиторий содержит веса в формате safetensors, а длина контекста составляет 40 960 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не уточняет специализацию дообучения или результаты оценки, поэтому пригодность для конкретных предметных областей и качество ответов по ним определить нельзя. Лицензия — Apache-2.0.

Qwen3-8B-reas-int-065-only-loss-noprompt-3epochs-en — дообученная Петро Феррацци модель Qwen3-8B, опубликованная в формате safetensors и рассчитанная на генерацию текста в диалоговом режиме. По данным метаданных, модель содержит 7,6 млрд параметров, имеет контекст до 40 960 токенов и использует архитектуру Qwen3ForCausalLM. README не раскрывает датасет и дополнительные сведения о настройке; по названию можно предположить фокус на рассуждениях, но это не подтверждено описанием карточки. Базовая Qwen3-8B поддерживает несколько языков, однако конкретный набор языков этой версии не указан. Модель предназначена для генерации ответов и продолжения текста в чат-сценариях. Лицензия — Apache-2.0.

Qwen3-sft-classic-small-data-equal-compute — плотная языковая модель семейства Qwen3 с 7,6 млрд параметров, дообученная Etienne Bamas на наборе данных SFT. Она предназначена для генерации текста и диалоговых сценариев. Модель принимает текст и выдаёт текст; в метаданных указаны интерфейс чата и контекст до 32 768 токенов. Модель основана на formalmathatepfl/qwen3-cpt и опубликована в формате Safetensors для использования с Transformers. README не приводит сведений о конкретных обучающих данных, оценке качества или специализированных задачах. Лицензия указана как «other», поэтому условия использования следует уточнить в карточке модели и у автора.

RedPajama-INCITE-7B-Instruct — языковая модель Together Computer для генерации текста и ответов в диалоговом формате. В метаданных указана архитектура GPT-NeoX с плотной causal language model; размер — 8,8 млрд параметров, контекст — 2048 токенов. Модель предназначена для англоязычного использования и обучалась на RedPajama-Data-1T и RedPajama-Data-Instruct. Модель можно применять для ответов на вопросы, ведения диалога и создания текстовых черновиков. Для обычного GPU-инференса README указывает 16 ГБ памяти, а для запуска в int8 — 12 ГБ. Лицензия — Apache 2.0. Ответы могут быть неточными или неуместными, особенно на сложные, неоднозначные вопросы и темы вне обучающих данных. Модель не рекомендуется для критически важных сценариев и решений, существенно влияющих на людей или общество.

RLCR-0.0005smCE-hotpot-seed40 — дообученная модель генерации текста на базе Qwen/Qwen2.5-3B, обученная с использованием TRL. Она предназначена для ответов на вопросы и диалоговой генерации; название указывает на связь с Hotpot, однако карточка не уточняет состав обучающих данных и конкретную специализацию. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных указаны возможности чата и интерфейс вызова инструментов. Файлы модели представлены в формате safetensors. Лицензия в предоставленных данных не указана.

hflog/rmdhirr-Pulsar_7B — англоязычная чат-модель на плотной архитектуре Mistral с 7,1 млрд параметров, разработанная rmdhirr как дообучение MTSAIR/multi_verse_model. Модель предназначена для диалоговой генерации текста; карточка указывает обучение с использованием Unsloth и библиотеки TRL. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества и подробных рекомендаций по применению.

RefalMachine/ruadapt_llama3_8b_instruct_extended_lep_ft — чат-модель на архитектуре Llama 3 с 7,7 млрд параметров. Это LoRA-дообучение базовой модели RefalMachine/llama3_extended_darulm_20_05_24_part1-2_64000_bpe_full_lr2e4_bs256 на датасете saiga_scored d7; перед дообучением использована процедура Learned Embedding Propagation (LEP) с расширенным токенизатором. Разработчик сообщает, что расширенный токенизатор повышает эффективность работы с русским языком. Модель предназначена для генерации текста и диалогового общения на русском и английском языках. Контекст составляет 8192 токена; веса опубликованы в формате safetensors. Карточка не описывает отдельные специализированные области применения или результаты оценки качества. Лицензия в предоставленных данных не указана.

Модель blanchefort/rubert-base-cased-sentiment-rusentiment — русскоязычный классификатор тональности на базе DeepPavlov/rubert-base-cased-conversational, дообученный на наборе RuSentiment. Она относит текст к одному из трёх классов: нейтральная, положительная или отрицательная тональность. Модель предназначена для анализа русскоязычных публикаций и сообщений в социальных сетях, а также для автоматической разметки тональности текстов. Архитектура — BERT с классификационной головой BertForSequenceClassification; размер — 205,1 млн параметров, максимальный контекст — 512 токенов. Доступны версии в форматах PyTorch, TensorFlow и Flax, включая safetensors. Классификатор обучен на RuSentiment, поэтому его результаты могут хуже переноситься на тексты других жанров и предметных областей. Лицензия в предоставленных данных не указана.

SauerkrautLM-gemma-2-2b-it — чат-модель VAGO solutions, дообученная на основе google/gemma-2-2b-it методом Spectrum Fine-Tuning. При дообучении затрагивали 25% слоёв и использовали немецко-английскую смесь данных Sauerkraut Mix v2. Модель предназначена для диалогов и выполнения инструкций, включая рассуждения на здравый смысл и решение задач. Разработчик сообщает об улучшении этих навыков и многоязычности; основной упор сделан на немецкий и английский, хотя в карточке также отмечено улучшение результатов на ряде других языков. Модель имеет архитектуру Gemma 2 с 2,7 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. Файлы представлены в формате safetensors. Модель распространяется по лицензии gemma. Разработчик предупреждает, что очищенные данные не исключают появления неподходящего контента, а поведение модели не гарантируется как стабильно уместное.

arcee-ai/Saul-Base-Clown-7B-Instruct-slerp — текстовая генеративная модель, созданная объединением Equall/Saul-Base и CorticalStack/pastiche-crown-clown-7b-dare-dpo методом SLERP с помощью mergekit. Это плотная причинная языковая модель архитектуры Mistral объёмом 7,1 млрд параметров, сохранённая в формате safetensors; заявленный контекст — до 32 768 токенов. Модель предназначена для генерации текста в формате инструкций и диалога. Её можно применять для ответов на запросы, написания и редактирования текстов, а также для задач, где полезны объединённые характеристики исходных моделей. В карточке не приведены отдельные результаты оценки качества или сведения о поддерживаемых языках. Модель распространяется по лицензии Apache-2.0. Качество ответов и поведение могут зависеть от используемого шаблона промпта; самостоятельные сведения о тестировании и ограничениях в карточке отсутствуют.

Sentimental-Mini-0.2M — компактная модель fromziro для классификации тональности текста. Она обучена на 189 тысячах примеров из наборов IMDb, GLUE, SST-5 и TweetEval и выдаёт метки тональности с оценками уверенности. Модель содержит около 298 тысяч параметров и использует двунаправленную архитектуру с GQA, RoPE, RMSNorm и SwiGLU; словарь пользовательского токенизатора состоит из 1024 токенов, максимальная длина входа — 96 токенов. Модель предназначена для быстрой оценки отзывов, публикаций и коротких сообщений. В README указана точность 70,34% на Yelp Polarity; автор также отмечает, что ясные положительные и отрицательные высказывания распознаются лучше, чем тонкие, нейтральные и неоднозначные формулировки. Репозиторий распространяется по лицензии Apache-2.0.

Это объединённая языковая модель, созданная с помощью mergekit из нескольких контрольных точек обучения filtered_e2e_alignment. Для слияния использован линейный метод; базовой контрольной точкой указана версия global_step4000. В метаданных модель отнесена к архитектуре GPT-NeoX и классу GPTNeoXForCausalLM; размер составляет 8,8 млрд параметров, формат весов — safetensors, библиотека — Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Её контекстное окно составляет 16 384 токена. README и метаданные не сообщают целевые языки, предметные области или конкретные преимущества и ограничения качества. Условия лицензии в предоставленных данных не указаны.

sfm_filtered_e2e_alignment-0k_1k_2k_3k_4k_weightedavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear. В объединение вошли чекпойнты стадий 0, 1000, 2000, 3000 и 4000; чекпойнт стадии 4000 использован как базовый. Модель содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Данные не уточняют конкретные области применения, языки или преимущества относительно исходных чекпойнтов. Весовые файлы представлены в формате Safetensors; использовать модель можно через Transformers. Условия лицензии в предоставленных сведениях не описаны.

sfm_filtered_e2e_alignment-0k_1k_2k_weightedavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit. В качестве базового чекпойнта использована модель global_step2000, а в объединение также вошли чекпойнты global_step0 и global_step1000. Репозиторий содержит плотную авторегрессионную архитектуру GPT-NeoX с 8,8 млрд параметров и контекстом до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Данных о специализированных предметных областях или языках в карточке нет. Модель опубликована в формате safetensors и использует библиотеку Transformers. Условия лицензии в доступных сведениях не приведены.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-10k_11k_12k_simpleavg_merge — объединение языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использована модель с контрольной точки global_step12040; также в объединение вошли контрольные точки global_step10000 и global_step11000 из эксперимента filtered_e2e_alignment. Это плотная авторегрессионная модель архитектуры GPT-NeoX объёмом 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия, принимает текст и выдаёт текст. Заявленная длина контекста — 16 384 токена; в репозитории используются веса Safetensors и библиотека Transformers. Карточка не сообщает о специализированных областях применения, поддерживаемых языках или результатах оценки качества. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-1k_2k_3k_simpleavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная методом Linear с помощью mergekit. В слияние вошли контрольные точки обучения global_step1000, global_step2000 и global_step3000; последняя указана как базовая. Модель содержит 8,8 млрд параметров и работает с контекстом до 16 384 токенов. Модель предназначена для генерации текста в диалоговом формате. В метаданных указаны библиотека Transformers и формат весов safetensors. Сведения о конкретных языках, специализированных областях и измеренных качествах в доступной карточке отсутствуют. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-3k_4k_5k_simpleavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit из контрольных точек обучения на шагах 3000, 4000 и 5000. В README базовой указана контрольная точка global_step5000; метаданные описывают архитектуру GPT-NeoX и около 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия; заявленная длина контекста — 16 384 токена. В репозитории указаны веса в формате safetensors и библиотека Transformers. Сведения о языках, специализации и конкретных ограничениях качества в карточке не приведены. Условия лицензирования по предоставленным данным определить нельзя.

sfm_filtered_e2e_alignment-4k_5k_6k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек обучения global_step4000, global_step5000 и global_step6000. В качестве базовой контрольной точки использована global_step6000, а метод объединения указан как Linear. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров; веса сохранены в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Она работает с текстом, поддерживает контекст длиной до 16 384 токенов и запускается через Transformers. Доступные сведения не описывают специализацию по предметной области, языки обучения или сравнительные результаты качества. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-5k_6k_7k_simpleavg_merge — объединённая языковая модель, собранная с помощью mergekit методом Linear. В качестве базовой использована контрольная точка global_step7000, также в объединение вошли global_step6000 и global_step5000 из серии filtered_e2e_alignment. Репозиторий содержит модель архитектуры GPT-NeoX с 8,8 млрд параметров в формате safetensors; для работы с ней указана библиотека Transformers. Модель предназначена для генерации текста и диалогового общения. Её контекстное окно составляет 16 384 токена. Сведений о целевых языках, конкретных прикладных областях и сравнительных результатах в доступных данных нет. Лицензия в предоставленных источниках не указана.

Модель sfm_filtered_e2e_alignment-9k_10k_11k_simpleavg_merge — объединение трёх контрольных точек языковой модели, созданное с помощью mergekit методом Linear. В качестве базовой точки слияния использована контрольная точка global_step11000; также объединены global_step10000 и global_step9000. Репозиториям этих контрольных точек соответствуют локальные пути, поэтому идентификатор базовой модели на Hugging Face установить нельзя. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и поддерживает диалоговый режим; контекст составляет 16 384 токена. Карточка не раскрывает конкретные языки, специализированные области применения или сравнительные результаты качества. Файлы представлены в формате safetensors. Лицензия в предоставленных сведениях не указана.

Это объединённая языковая модель примерно на 8,8 млрд параметров, созданная с помощью mergekit методом Linear из чекпойнтов обучения на шагах 7000, 8000 и 9000. Архитектура — GPT-NeoX, веса сохранены в формате safetensors; модель предназначена для генерации текста и диалогового взаимодействия. Контекстное окно составляет 16 384 токена. Модель может использоваться для продолжения текста и ведения диалога. Карточка не описывает специализацию по предметной области или языкам. Лицензия в предоставленных данных не указана.

Это объединённая модель для генерации текста, созданная с помощью mergekit методом Linear из нескольких контрольных точек предварительно обученной языковой модели. В качестве базовой при слиянии использовалась контрольная точка global_step12040; также включены варианты global_step11000 и global_step10000. Каталог определяет архитектуру как плотную GPT-NeoX, а размер модели составляет 8,8 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Она принимает текст и выдаёт текст; заявленная длина контекста — 16 384 токена. Данных о специализированных областях и поддерживаемых естественных языках в карточке нет. Модель размещена в формате safetensors и использует библиотеку Transformers. Сведения о лицензии отсутствуют.

sfm_filtered_insert_xxf_character-1k_2k_3k_simpleavg_merge — объединённая языковая модель, опубликованная под аккаунтом yuhengtu-bytedance. Она создана с помощью mergekit методом Linear: в качестве основы использован чекпойнт global_step3000, объединённый с чекпойнтами global_step2000 и global_step1000. Архитектура GPT-NeoX, плотная причинная языковая модель с 8,8 млрд параметров; веса представлены в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Контекстное окно составляет 16 384 токена. Карточка не описывает конкретные области применения, языки или сравнительные результаты, поэтому её возможности за пределами генерации текста и чата не следует предполагать. Лицензия в предоставленных данных не указана.

sfmfilteredinsertxxfcharacter-2k3k4k5k6kweightedavgmerge — объединённая языковая модель, созданная автором yuhengtu-bytedance с помощью mergekit. В README указано линейное слияние нескольких предобученных чекпойнтов с шагов обучения 2000, 3000, 4000, 5000 и 6000; базовым для слияния служил чекпойнт с шага 6000. Модель предназначена для генерации текста и диалогового взаимодействия. Она использует плотную архитектуру GPT-NeoX с причинной языковой моделью, содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. В репозитории указаны формат safetensors и библиотека Transformers. Карточка не приводит сведений о целевых языках, специализированных предметных областях, лицензии или ограничениях качества и безопасности, поэтому определить их по доступным данным нельзя.

sfm_filtered_insert_xxf_character-2k_3k_4k_weightedavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В качестве базового чекпойнта использован global_step4000, в слияние также включены чекпойнты global_step2000 и global_step3000 из серии filtered_insert_xxf_character. Модель разработана автором репозитория yuhengtu-bytedance. Это плотная авторегрессионная модель GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста в диалоговом формате. Она принимает текст и выдаёт текст; заявленный размер контекста составляет 16 384 токена. Сведения о языках обучения и целевой области применения отсутствуют, поэтому модель следует считать языковой моделью общего назначения. Модель сохранена в формате safetensors и доступна через Transformers. README не приводит результатов оценки, подробностей о поведении модели или условий лицензии; качество и права на использование следует проверять отдельно по репозиторию и исходным чекпойнтам.

Это объединённая модель генерации текста на архитектуре GPT-NeoX, созданная методом Linear merge с помощью mergekit. В качестве базовой использована контрольная точка global_step5000; также в объединение вошли контрольные точки global_step4000 и global_step3000 из одного семейства экспериментов. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 8,8 млрд параметров, принимает текст и поддерживает контекст до 16 384 токенов. Данные не позволяют определить конкретные языки, тематику обучения или особые сценарии применения. Файлы модели представлены в формате safetensors и рассчитаны на использование через библиотеку Transformers. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_filtered_insert_xxf_character-4k_5k_6k_7k_8k_weightedavg_merge — объединение нескольких предварительно обученных языковых моделей, созданное автором с помощью mergekit и метода Linear. В качестве базового чекпойнта при слиянии использован global_step8000; также включены чекпойнты global_step4000, global_step5000, global_step6000 и global_step7000 из серии filtered_insert_xxf_character. Это плотная авторегрессионная GPT-NeoX-модель на 8,8 млрд параметров с контекстом до 16 384 токенов. Она предназначена для генерации текста и диалогового взаимодействия; репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка не сообщает о конкретных языках, предметных областях или специализированных ограничениях. Лицензия в предоставленных данных не указана.

Модель sfm_filtered_insert_xxf_character-5k_6k_7k_8k_9k_simpleavg_merge — объединение пяти предварительно обученных языковых моделей, созданное с помощью mergekit. Для слияния применён линейный метод; базой служил чекпойнт global_step9000, вместе с ним объединены чекпойнты global_step5000, global_step6000, global_step7000 и global_step8000. Это плотная авторегрессионная модель архитектуры GPT-NeoX размером 8,8 млрд параметров, сохранённая в safetensors и рассчитанная на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке нет сведений о конкретных языках, специализированных областях или преимуществах модели. Лицензия в предоставленных данных не указана.

sfm_filtered_insert_xxf_character-7k_8k_9k_weightedavg_merge — объединённая языковая модель, опубликованная yuhengtu и созданная с помощью mergekit. В карточке указано линейное слияние контрольных точек global_step7000, global_step8000 и global_step9000; базой слияния служила контрольная точка global_step9000. Модель предназначена для генерации текста и диалогового взаимодействия. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров, использует формат safetensors и поддерживает контекст до 16 384 токенов. Карточка не сообщает о специализированной области применения или поддерживаемых естественных языках. Лицензия и ограничения качества не описаны, поэтому условия использования следует сверить с источником весов и их лицензией.