III.4Клиентская поддержка и customer success

Модель ShenaoZhang/0.001_idpo_4iters_iter_3 — дообученная авторами карточки версия ShenaoZhang/0.001_idpo_4iters_iter_2 на датасете ShenaoZhang/0.001_idpo_4iters_dataset. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового использования. Она принимает текст и выдаёт текст; поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии MIT. README не приводит сведений о целевых сценариях, оценках качества или известных ограничениях, поэтому пригодность для конкретных задач следует проверять самостоятельно.

ShenaoZhang разработал эту модель как дообученную версию ShenaoZhang/0.001_idpo_iter_1 на датасете ShenaoZhang/0.001_idpo_dataset. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате Safetensors, а лицензия модели — MIT. README не приводит подробностей о предполагаемых сценариях, оценках качества и ограничениях; по имеющимся сведениям нельзя уточнить специализацию обучения или поддерживаемые языки.

Модель ShenaoZhang/0.001_idpo_same_replacechosen_iter_2 — дообученная разговорная языковая модель на архитектуре MistralForCausalLM. Она создана на основе ShenaoZhang/0.001_idpo_same_replacechosen_iter_1 и обучена на обновлённом и исходном наборах данных. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Репозиторий опубликован в формате Safetensors по лицензии MIT. В карточке не приведены сведения о целевых сценариях, оценках качества и ограничениях применения.

Это разговорная модель генерации текста на базе Mistral с 7,1 млрд параметров, дообученная автором репозитория на исходном и обновлённом наборах данных. Она предназначена для общения и генерации ответов в текстовом формате; заявленная длина контекста составляет 32 768 токенов. Карточка не описывает отдельные специализированные сценарии или результаты оценки качества. Модель распространяется по лицензии MIT.

Это разговорная модель Mistral с архитектурой плотной причинно-следственной языковой модели и 7,1 млрд параметров. Модель разработана как дообученная версия ShenaoZ/0.001_withdpo_4iters_bs256_432lr_iter_2 и обучена на обновлённом и исходном наборах данных с применением DPO, согласно названию и тегам репозитория. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — MIT. README не приводит результатов оценки или конкретных сценариев применения.

Это чат-модель генерации текста на архитектуре Mistral, дообученная ShenaoZ на исходном и обновлённом наборах данных. Она предназначена для диалоговых сценариев и генерации ответов на текстовые запросы. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. Модель создана как дообучение ShenaoZ/0.01_withdpo_4iters_bs256_5102lr_misit_iter_2 с использованием DPO. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о назначении датасетов, поэтому нельзя надёжно определить её сильные стороны и специализацию.

Карточка модели PS4Research/6WS2yHfvQamcSXSR на Hugging Face совпадает с карточкой PS4Research/nTbiAMoafhgQd0Fb, поэтому описание составлено по ней. PS4Research/nTbiAMoafhgQd0Fb — чат-модель для генерации текста, дообученная PS4Research на базе unsloth/phi-4-reasoning-unsloth-bnb-4bit. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL от Hugging Face; метаданные классифицируют архитектуру как плотную Phi-3 с классом Phi3ForCausalLM. Модель содержит 14,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста на английском языке. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные сценарии применения, обучающие данные или результаты оценки качества.

ABCDAI-R1-1.5b-SFT — дообученная EnzGamers разговорная языковая модель на базе Qwen/Qwen2.5-1.5B. Модель с плотной архитектурой Qwen2 и 1,5 млрд параметров предназначена для генерации текста в диалоге; для обучения использовалась библиотека TRL. Репозиторий содержит веса в формате Safetensors и поддерживает контекст до 131072 токенов. Модель можно использовать для ответов на вопросы и генерации текста в формате чата. Доступные сведения не описывают конкретные языки обучения или специализированные предметные области, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана.

ishikaa/acquisition_generator_AS_GT_confidence_omnimath_qwen7b — текстовая генеративная модель, опубликованная на Hugging Face и работающая через библиотеку Transformers. По метаданным она относится к семейству Qwen2, содержит около 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и имеет conversational-тег, поэтому может применяться в диалоговых сценариях. Модель подходит для продолжения и преобразования текстовых запросов, создания ответов в чатах, черновиков и других задач генерации естественного языка. README не содержит сведений о разработчике, языках, лицензии, исходной модели, обучающих данных, оценивании или специализированной области применения, поэтому качество для конкретных задач и языков следует проверять отдельно. Лицензия в доступных данных не указана.

Admiral-Llama-3-8B — языковая модель семейства Llama, разработанная mayacinka и дообученная на базе unsloth/llama-3-8b-bnb-4bit. Для обучения использовались Unsloth и библиотека TRL; в метаданных указан датасет vicgalle/alpaca-gpt4. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Длина контекста составляет 8192 токена. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или более подробных сведений о настройке дообучения.

Aeonium v1.1 Base 4B — базовая языковая модель для обработки и генерации текста на русском языке. Модель разработана Aeonium; опубликованный чекпойнт описан как предварительная версия. Архитектура — плотная LlamaForCausalLM с 3,6 млрд параметров, контекст — до 4096 токенов. Веса доступны в формате safetensors, для загрузки используется Transformers. Модель предназначена для генерации русского текста и других сценариев, основанных на продолжении текстового контекста. Предварительное обучение проведено на открытых данных, преимущественно на русскоязычных веб-страницах; обучение поддержал TPU Research Cloud. Выпускается по лицензии Apache 2.0. Из-за обучения на широком интернет-корпусе модель может воспроизводить предвзятые или оскорбительные формулировки и выдавать недостоверную информацию. Результаты требуют проверки, особенно при использовании в чувствительных или ответственных сценариях.

Это модель классификации текста на базе ALBERT, дообученная TextAttack на задаче SST-2 из набора GLUE. Она предназначена для классификации коротких текстов по тональности, например для определения положительной или отрицательной оценки отзыва. Модель содержит 136,3 млн параметров, использует архитектуру AlbertForSequenceClassification и принимает последовательности длиной до 512 токенов; при дообучении применялась максимальная длина 64 токена. В карточке указана точность 0,925 на оценочной выборке. Модель подходит для анализа тональности англоязычных отзывов и коротких высказываний. Используется формат PyTorch и лицензия, явно указанная в доступных сведениях, не приводится.

Amadeus-Verbo-FI-Qwen2.5-3B-PT-BR-Instruct — языковая чат-модель, разработанная Amadeus AI на основе Qwen2.5-3B-Instruct путём дообучения на 600 тысячах инструкций в течение двух эпох. Она предназначена для диалогов, выполнения инструкций и генерации текста на бразильском португальском языке. Модель построена на архитектуре Qwen2 с 3,1 млрд параметров и принимает контекст длиной до 32 768 токенов. В карточке указаны поддержка чата и интерфейс вызова инструментов; запуск предусмотрен через Transformers. Репозиторий содержит веса в формате safetensors. Модель подходит для создания португалоязычных чат-ботов, ответов на запросы и генерации текстов. Карточка не приводит оценок качества и подробностей о поведении при вызове инструментов. Лицензия — Apache-2.0.

Это версия DistilBERT для классификации английских текстов, оптимизированная для ускорения на Apple Neural Engine (ANE). Модель основана на distilbert-base-uncased-finetuned-sst-2-english; исходный код взят из репозитория Apple ml-ane-transformers и немного изменён для использования с библиотекой Transformers. Доступны форматы PyTorch и Core ML, лицензия — Apache-2.0. Модель предназначена для классификации тональности коротких текстов на английском языке по двум категориям датасета SST-2. Для ускорения на ANE следует использовать Core ML пакет DistilBERT_fp16.mlpackage; PyTorch сам по себе не задействует ANE, поэтому запуск через него на CPU или GPU может быть медленнее исходной модели. Контекст — до 512 токенов.

armaGPT — дообученная модель генерации текста на основе Gemma, разработанной Google. Автор карточки указывает, что модель настроена с помощью DPO для более безопасной и справедливой генерации; метаданные относят её к семейству Gemma и указывают 8,2 млрд параметров. Модель принимает текст и генерирует продолжение или ответ, в том числе на вопросы. Заявленная длина контекста — 8192 токена; карточка отмечает английский язык. Веса доступны в формате safetensors, библиотека — Transformers. Модель подходит для ответов на вопросы, создания текстов и диалоговых сценариев на английском языке. Описание архитектуры в README содержит неточность: GemmaForCausalLM относится к авторегрессионной трансформерной архитектуре. Лицензия репозитория — MIT. README называет базовую модель Gemma 7b, а число параметров в метаданных составляет 8,2 млрд.

DreadPoor/BaeZel-8B-LINEAR — языковая модель, созданная DreadPoor с помощью слияния трёх предварительно обученных моделей через mergekit методом linear: DreadPoor/Aspire_1.3-8B_model-stock, DreadPoor/Heart_Stolen-8B-Model_Stock и DreadPoor/LemonP-8B-Model_Stock. Веса опубликованы в формате safetensors; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для составления ответов, продолжения текста и разговорных сценариев. В карточке приведены результаты Open LLM Leaderboard, включая IFEval и BBH, но подробные условия оценки и остальные результаты здесь не раскрыты. Модель распространяется по лицензии Apache-2.0. Языки и специализированные области применения в доступных данных не обозначены.

BagelWorldTour — объединённая языковая модель, созданная по запросу kalomaze с помощью mergekit. Она предназначена для генерации текста по запросам и диалогового взаимодействия. В основе лежит архитектура Mixtral с разреженной экспертной сетью (MoE); модель объединяет пять исходных моделей методом DARE TIES, используя mistralai/Mixtral-8x7B-v0.1 как базовую. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель подходит для свободной генерации текста и ответов в диалоге. В состав объединения входят instruct- и DPO-модели, а также Sensualize-Mixtral и limarp-zloss-mixtral, поэтому модель может выдавать откровенный контент. Данных о конкретной лицензии и языковом охвате в предоставленных источниках нет; условия использования следует сверять с лицензиями исходных моделей.

Baldur-8B — англоязычная чат-модель Delta-Vector, созданная полным дообучением Arcee Llama 3.1 SuperNova Lite. Она предназначена для диалогов и выполнения инструкций; автор отмечает, что модель генерирует прозу с отличающимся стилем и реже использует привычные речевые штампы. Обучение проводилось в течение двух эпох. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров. Она принимает текст и выдаёт текст, поддерживает чатовый формат Llama Instruct и имеет контекстное окно до 131 072 токенов. В обучающих данных есть примеры по кибербезопасности, медицине, математике, творческому письму и ролевым диалогам, но карточка не подтверждает специализированную точность в этих областях. Модель подойдёт для диалоговых приложений, следования инструкциям и генерации прозы. README не содержит сведений о лицензии, поэтому условия использования следует проверять в метаданных репозитория. Указанные в карточке результаты оценивания ограничены частью метрик Open LLM Leaderboard.

Beetle-FineWeb2-24B/beetle-bilingual-l2-80-late-b5-fineweb-pol-eng — языковая модель для генерации текста на базе архитектуры pico_decoder, доступная через библиотеку Transformers. По идентификатору модели она относится к семейству Beetle-FineWeb2-24B и ориентирована на двуязычные польско-английские сценарии; размер модели обозначен как 24B параметров. Модель предназначена для продолжения текста, генерации ответов, черновиков и другого текстового контента. В предоставленном README отсутствуют сведения о разработчиках, точной архитектуре, длине контекста, обучающих данных, результатах оценки, ограничениях применения и лицензии, поэтому эти характеристики нельзя надёжно уточнить.

Карточка модели reallad/blopsy-1.2 на Hugging Face совпадает с карточкой reallad/blopsy-1.1, поэтому описание составлено по ней. reallad/blopsy-1.1 — языковая модель reallad для генерации текста и диалогов. Она дообучена на базе reallad/llama-8b-alpaca-noro с использованием Unsloth и библиотеки TRL. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Карточка указывает английский язык; метаданные отмечают поддержку диалогового режима. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

BLOSSOM-v4-mistral-7b — разговорная языковая модель, разработанная командой Blossom и дообученная на Mistral-7B-v0.1. Она предназначена для диалогов и выполнения инструкций, включая общие вопросы, математические задачи и сценарии, использующие данные Wizard и Orca. Модель обучалась в два этапа на сочетании одноходовых инструкций и многоходовых диалогов; для вывода используется продолжение диалога. Это плотная авторегрессионная архитектура Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель ориентирована на китайский и английский языки. В README отмечено, что исходная Mistral-7B-v0.1 слаба в китайском, поэтому для китайских сценариев рекомендуется вариант BLOSSOM на Baichuan2-7B. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

CloudLyte2 — разговорная языковая модель Klevin на архитектуре Gemma 2. Она дообучена методом SFT на базе unsloth/gemma-2-2b-bnb-4bit и предназначена для генерации текста в диалоге. Модель содержит 2,7 млрд параметров, принимает текст и выдаёт текст; её контекстное окно — 8192 токена. В карточке указаны английский язык и лицензия Apache 2.0. Модель подходит для диалоговых ответов и генерации текста на английском языке. Карточка не описывает состав обучающих данных, результаты оценки качества или конкретные ограничения, поэтому практическую точность ответов следует проверять на целевых задачах.

CoEdIT-Large — языковая модель Grammarly, созданная дообучением google/flan-t5-large на наборе данных CoEdIT. Это encoder-decoder модель семейства T5 с 385,2 млн параметров и контекстом до 512 токенов; она принимает исходный текст вместе с инструкцией по редактированию и генерирует исправленную версию на английском языке. Модель предназначена для редактирования текста по конкретным инструкциям: например, для исправления грамматики, перефразирования и изменения формулировок. В карточке указаны обучение на CoEdIT и связанные наборы данных для редактирования и оценки текста. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

logan7000/cogrpo-n3-ring-qwen25-3b-x-llama32-3b-x-granite2b-math345-groupB-llama32-end — диалоговая языковая модель на архитектуре Llama, дообученная автором на основе meta-llama/Llama-3.2-3B-Instruct с использованием TRL. Она предназначена для генерации текста и ответов в формате чата. Модель содержит 3,2 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. Карточка не описывает специальную предметную область или преимущества дообучения; доступные данные указывают на общий сценарий диалога. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Copus-2x8B — разговорная языковая модель, созданная lodrick-the-lafted путём объединения архитектурой MoE двух дообученных моделей на базе Llama 3: dreamgen/opus-v1.2-llama-3-8b и NousResearch/Meta-Llama-3-8B-Instruct_. README характеризует результат как приемлемый, но отмечает, что он уступает Miqu. Модель предназначена для генерации текста в диалоговом формате. Она использует архитектуру Mixtral MoE, имеет 7,5 млрд параметров и контекст до 8192 токенов. В README указана лицензия Llama 3; в метаданных Hugging Face лицензия обозначена как llama2, поэтому условия лицензирования стоит сверить с файлами репозитория перед использованием.

Dante-2B — двуязычная инструктивная языковая модель на 2,1 млрд параметров, созданная Fabio Angeletti с нуля. Это плотный декодерный трансформер в стиле Llama, доступный в формате safetensors и рассчитанный на генерацию текста и выполнение инструкций на итальянском и английском языках. Модель использует собственный BPE-токенизатор на 64 тысячи токенов, обученный на сбалансированном итальянско-английском корпусе, и шаблон чата в стиле ChatML. Контекст модели составляет 4096 токенов. Модель подходит для диалоговых сценариев, генерации и продолжения текста на итальянском и английском языках, а также для локального и периферийного развертывания. Итальянский язык учитывается в токенизаторе с самого начала обучения, включая типичные сокращения и диакритические знаки. Модель обучалась на 90 млрд токенов предобучения, затем прошла продолжительное обучение для расширения контекста и дообучение на 540 тысячах диалогов. Лицензия — Apache-2.0. Размер 2,1 млрд параметров ограничивает возможности сложных рассуждений по сравнению с более крупными моделями. Заявлены ограничения знаний данными примерно 2023–2024 годов; формальная оценка на стандартных тестах ещё не завершена. Модель не проходила специальное обучение безопасности или RLHF, поэтому ответы могут требовать проверки.

Dare-k-7B-ties — объединённая AurelPx модель семейства Mistral, созданная с помощью LazyMergekit методом dare_ties. В конфигурации указаны SamirGPT-v1 и EmbeddedLLM/Mistral-7B-Merge-14-v0.2, а базой служит mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для авторегрессионной генерации текста; максимальный контекст — 32 768 токенов. Модель можно использовать для свободного продолжения текста, подготовки черновиков и диалоговых ответов. Карточка не описывает специализированные навыки или отдельное назначение, поэтому качество в конкретных сценариях следует оценивать на собственных примерах. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache 2.0.

Dark-Hermes3-Llama3.2-3B — дообученная разговорная модель mrcuddle на архитектуре Llama 3.2 с 3,2 млрд параметров, созданная на основе NousResearch/Hermes-3-Llama-3.2-3B. Она предназначена для генерации текста и диалогов; метаданные также отмечают следование инструкциям. Модель принимает текст и выдаёт текст, поддерживает английский язык и рассчитана на контекст до 131 072 токенов. Модель распространяется в форматах PyTorch и safetensors по лицензии llama3. Карточка не описывает отдельные методы обучения или специальные возможности, поэтому пригодность для конкретных сценариев следует оценивать самостоятельно.

DataDecide-dclm-baseline-1B-5500057500600006250065000weightedavgmerge — объединённая авторегрессионная языковая модель на архитектуре Llama, созданная с помощью mergekit из пяти контрольных точек предварительно обученной модели DCLM baseline. Для слияния использован линейный метод, а контрольная точка step65000 указана как базовая. Модель предназначена для генерации текста.

Discord-Hermes-3-8B-i1-GGUF — квантизированная GGUF-версия текстовой causal language model Discord-Hermes-3-8B. Базовую модель разработал mookiezii, а квантизацию выполнил mradermacher. Модель дообучена на наборе данных Discord-Dialogues и ориентирована на conversational AI, диалоги, чат-ботов и генерацию текста в формате instruct/chat с использованием ChatML. Модель относится к семейству Llama 3, содержит около 8 миллиардов параметров и предназначена для работы с английским языком. Доступны варианты квантизации IQ и Q разных размеров — примерно от 2,1 до 6,7 ГБ, что позволяет выбирать компромисс между качеством, скоростью и требованиями к памяти. Версия GGUF подходит для локального запуска в совместимом программном обеспечении, однако конкретные параметры контекста и аппаратные требования в README не указаны. Сильными сторонами являются специализация на диалоговом взаимодействии, открытые веса и широкий выбор вариантов квантизации. Ограничения включают отсутствие опубликованных оценок качества, неизвестные параметры контекстного окна и возможное заметное снижение качества у наиболее компактных квантов; README также не подтверждает поддержку мультимодальных входных данных. Использование распространяется по лицензии Llama 3.