III.4Клиентская поддержка и customer success

Marcoro14-7B-dare — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit. В неё вошли SamirGPT-v1, Slerp-CM-mist-dpo и Mistral-7B-Merge-14-v0.2; при объединении также использована mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Формат safetensors и лицензия Apache-2.0 указаны в метаданных. В README нет сведений о специализированной области применения или оценках качества; для русского языка отдельная поддержка не заявлена.

MasherAI-v6.1-7B-checkpoint3-code3 — языковая модель, разработанная mahiatlinux как дообучение mahiatlinux/MasherAI-v6.1-7B-checkpoint3-code2. Это плотная Mistral-модель с 7,1 млрд параметров для генерации текста и диалогового общения; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. Модель можно применять для ведения диалогов и генерации текста на английском языке. В репозитории указана лицензия Apache-2.0. README не описывает специализированные области применения или результаты оценки качества.

Megatron_v3_2x7B — двуязычная языковая модель архитектуры Mixtral с механизмом Mixture of Experts (MoE), опубликованная Eurdem. Она предназначена для генерации текста и диалоговых ответов на английском и турецком языках. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0. Карточка заявляет, что модель понимает инструкции и отвечает на них на обоих языках. Подробные результаты оценки и специфические ограничения в карточке не приведены.

Meliodas-7b-dare — объединённая языковая модель, созданная AurelPx с помощью LazyMergekit на основе liminerity/M7-7b и ammarali32/multi_verse_model. Используется архитектура Mistral с плотной авторегрессионной моделью на 7,1 млрд параметров; репозиторий содержит веса в формате safetensors, а заявленный контекст составляет 32 768 токенов. Модель предназначена для генерации текста и диалогов по текстовому запросу. При слиянии применён метод DARE TIES с настройками плотности и весов из карточки; итоговая точность указана как bfloat16. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или специализированных областей применения.

MeliodasPercival_01_Experiment28Experiment26 — объединённая авторами репозитория модель на основе двух моделей: automerger/MeliodasPercival_01-7B и automerger/Experiment28Experiment26-7B. Это плотная Mistral-архитектура с 7,1 млрд параметров, предназначенная для генерации текста и диалогов. Модель принимает текст и выдаёт текст; заявленная длина контекста — до 32 768 токенов. Модель подходит для генерации продолжений, ответов и диалоговых реплик. Репозиторий распространяет веса в формате Safetensors по лицензии Apache-2.0. README не приводит сведений о целевых языках или специализированных областях применения; качество и ограничения отдельно не описаны.

MeliodasPercival_01_Experiment29Experiment24 — объединённая текстовая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment29Experiment24-7B. Она содержит 7,1 млрд параметров и принимает текст для генерации продолжений и диалоговых ответов; поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка описывает её как слияние двух моделей, но не приводит сравнительных оценок качества, подробностей о методе объединения или сведений о специально поддерживаемых языках. Поэтому пригодность для конкретных сценариев следует проверять на собственных примерах.

MeliodasPercival_01_PasticheInex12 — объединённая языковая модель семейства Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/PasticheInex12-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текстовые запросы и поддерживает контекст до 32 768 токенов. Язык модели и её специализация в карточке не уточняются. Модель распространяется по лицензии Apache-2.0. Данных о качестве, результатах оценки и ограничениях применения в карточке нет.

Это объединённая авторегрессионная языковая модель семейства Llama, созданная с помощью mergekit методом passthrough на основе cognitivecomputations/dolphin-2.9.1-yi-1.5-34b. Репозиторий содержит веса в формате safetensors; заявленный размер — 22,8 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст. Карточка не описывает дополнительные области применения или языковую специализацию. Лицензия в предоставленных данных не указана.

mergekit-community/mergekit-slerp-oskyrzi — плотная языковая модель семейства Llama, созданная сообществом путём слияния предобученных моделей TheDrummer/Moistral-11B-v2 и Sao10K/Fimbulvetr-11B-v2. Для слияния использован метод SLERP через mergekit; конфигурация задаёт разные коэффициенты смешивания для слоёв self-attention и MLP. Модель предназначена для генерации текста и диалоговых ответов. Она содержит 7,1 млрд параметров, принимает текст, выдаёт текст и имеет контекстное окно 4096 токенов. Базовые модели описаны как англоязычные. Репозиторий содержит веса safetensors для использования с Transformers. Лицензия в предоставленных данных не указана.

mergekit-community/mergekit-slerp-zwbosgo — языковая модель для диалоговой генерации текста, полученная сообществом путём слияния моделей Meta-Llama-3-8B-Instruct и Dolphin 2.9 Llama 3 8B. Для объединения применён метод SLERP с инструментом mergekit; архитектура — плотная LlamaForCausalLM, размер — около 7,5 млрд параметров, контекст — 8192 токена. Модель принимает текст и генерирует текстовые ответы в формате диалога. Модель подходит для ведения диалога и генерации ответов на английском языке, унаследовав возможности базовых моделей. В карточке не приведены отдельные оценки качества или подробные результаты тестирования. Репозиторий содержит веса в формате safetensors; для Meta-Llama-3-8B-Instruct применяются условия лицензии базовой модели, однако конкретные условия использования слияния в предоставленных данных не указаны.

Merkaba-Maven-0.2 — слитая языковая модель, созданная jefferylovely с помощью LazyMergekit. В README указано слияние методом SLERP модели bardsai/jaskier-7b-dpo-v7.1 и jefferylovely/Merkaba-Maven-0.1; конфигурация задаёт смешивание слоёв self-attention и MLP. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. Веса опубликованы в формате safetensors, вычислительная точность слияния — bfloat16. Лицензия CC BY-NC-ND 4.0 разрешает распространение с указанием авторства, но запрещает коммерческое использование и распространение производных версий. README и метаданные не описывают конкретные языки, специализированные области или сравнительные результаты, поэтому назначение следует считать общим.

Модель bkandappan/metafore-maker-qwen-3-500 — дообученная автором bkandappan разговорная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 3,7 млрд параметров. Она основана на unsloth/Qwen3-4B-Instruct-2507-unsloth-bnb-4bit и предназначена для генерации текста в диалоговом формате; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Для неё заявлен контекст до 262 144 токенов, а язык карточки — английский. README сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Специализированные сценарии и дополнительные оценки качества в карточке не описаны.

gbueno86/Meta-LLama-3-Cat-A-LLama-70b — объединённая диалоговая языковая модель на архитектуре Llama 3, созданная автором репозитория с помощью mergekit. В карточке описано слияние Undi95/Meta-Llama-3-70B-Instruct-hf и turboderp/Cat-Llama-3-70B-instruct методом slerp; метаданные также указывают эти базовые модели и связь merge. Модель содержит 69,5 млрд параметров, работает с текстом и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации диалоговых ответов, следования инструкциям и ролевых сценариев. Автор описывает её как свой основной помощник, однако карточка не приводит формальных оценок качества или подробного набора тестов. В метаданных указан английский язык, библиотека Transformers и формат safetensors. Лицензия — Llama 3; применяйте модель с учётом условий этой лицензии.

MFANNv0.11 — языковая модель семейства Llama, дообученная автором netcat420 на наборе данных MFANN. Это плотная модель с архитектурой LlamaForCausalLM и 7,5 млрд параметров; карточка описывает полный вариант весов без квантизации, а файлы представлены в формате safetensors. Модель предназначена для диалоговых ответов и классификации текста; в README приведён системный промпт, задающий полезный, уважительный и честный стиль ответов. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Она распространяется по лицензии Llama 3. Карточка не приводит оценки качества и не уточняет ограничения набора данных MFANN, поэтому пригодность для конкретных сценариев следует проверять отдельно.

Millesime-202608-4B-phase2 — диалоговая языковая модель, созданная дообучением Qwen/Qwen3-4B-Instruct-2507 на наборе comparia_dpo. По метаданным, это плотная модель семейства Qwen3 с архитектурой Qwen3ForCausalLM, примерно 3,7 млрд параметров и контекстом до 262 144 токенов. Она предназначена для генерации текста в диалоговом формате; карточка не описывает более узкую специализацию. В README приведены метрики на оценочном наборе, включая точность предпочтений 0,766 и разницу наград 4,2381, однако состав оценки и практическое качество не раскрыты. Модель распространяется в формате safetensors; указана лицензия other, поэтому конкретные условия использования следует проверять в файлах репозитория. Языки и дополнительные ограничения в карточке не описаны.

indischepartij/MiniCPM-3B-OpenHermes-2.5-v2 — текстовая генеративная модель с диалоговой возможностью, опубликованная на Hugging Face. По метаданным, это плотная модель семейства Llama на 2,7 млрд параметров, реализованная как LlamaForCausalLM и доступная в формате safetensors для Transformers. README содержит результаты оценки на Open LLM Leaderboard, включая среднее значение 51,91, результат 47,44 на AI2 Reasoning Challenge и 72,00 на HellaSwag. Модель предназначена для генерации текста и диалогового взаимодействия. Контекстное окно составляет 2048 токенов. В README разработчик, языки, обучение и рекомендации по применению не описаны, поэтому происхождение названия OpenHermes и конкретные сценарии обучения подтвердить нельзя. Лицензия — Apache-2.0. Как и другие языковые модели, она может выдавать ошибочные или предвзятые ответы; карточка не приводит отдельной оценки этих рисков.

Mini_Synatra_SFT-Mistral-7B-Instruct-v0.1 — объединённая методом SLERP модель на архитектуре Mistral, созданная на основе mistralai/Mistral-7B-Instruct-v0.1 и maywell/Mini_Synatra_SFT. Это плотная языковая модель с 7,1 млрд параметров, рассчитанная на генерацию текста в ответ на инструкции и диалоговые запросы; метаданные отмечают поддержку чата и корейский язык. Для модели указан контекст до 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и выполнения текстовых инструкций на корейском языке. Весы опубликованы в формате Safetensors, лицензия — Apache-2.0. README не сообщает результаты сравнительных оценок или подробности о данных обучения, поэтому качество для конкретных задач по карточке определить нельзя.

Minbyul/mistral-7b-dpo-full-sft-wo-kqa_golden — дообученная модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она основана на Minbyul/mistral-7b-wo-kqa_golden-sft и прошла DPO-дообучение на датасете HuggingFaceH4/ultrafeedback_binarized, чтобы улучшить предпочтительность генерируемых ответов. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового запроса; заявленное окно контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Карточка приводит метрики оценки DPO, включая точность предпочтений 1,0 и разницу наград 9,6641, но не раскрывает подробности методики оценки или конкретные языки и специализированные области применения. Модель распространяется по лицензии Apache-2.0. Она может выдавать неточные или нежелательные ответы; назначение исходной SFT-модели в карточке не описано.

cnmoro/Mistral-7B-Portuguese — дообученная cnmoro модель на основе mistralai/Mistral-7B-Instruct-v0.2, созданная с помощью Unsloth на наборе инструкций на португальском языке cnmoro/WizardVicuna-PTBR-Instruct-Clean, чтобы улучшить ответы на португальском. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; она принимает текст и генерирует текст в формате инструкций [INST] ... [/INST]. Модель предназначена для диалогов и выполнения пользовательских инструкций на португальском, в том числе для вопросов и ответов и языковых задач общего назначения. В карточке приведены результаты Open Portuguese LLM Leaderboard, включая ENEM и BLUEX; автор также сообщает, что отдельные бенчмарки не проводились. Используется лицензия базовой модели Mistral-7B-Instruct-v0.2, если она сохранена в репозитории; метаданные лицензии здесь не предоставлены, поэтому условия лицензирования следует сверить с карточкой и базовой моделью.

Mistral-dolphin-2.8-grok-instract-2-7B-slerp — объединённая модель на архитектуре Mistral, созданная nasiruddin15 с помощью LazyMergekit методом SLERP из Mistral-grok-instract-2-7B-slerp и dolphin-2.8-mistral-7b-v02. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; её контекстное окно составляет 32 768 токенов. Репозиторий включает веса в форматах Safetensors и GGUF. В метаданных заявлен английский язык, а лицензия — Apache-2.0. Модель может быть полезна для чат-ботов и генерации ответов, однако README не содержит оценок качества, подробных рекомендаций по использованию или описания ограничений унаследованных моделей.

pbevan11/Mistral-Nemo-MCAI-SFT-DPO — разговорная языковая модель на архитектуре Mistral, дообученная разработчиком pbevan11 методом DPO на наборах multilingual-constitutional-preference-pairs и ultrafeedback_binarized_multilingual. Она предназначена для генерации текста в диалогах и формирования ответов с учётом предпочтений, отражённых в обучающих данных. Модель содержит 12,1 млрд параметров, принимает текст и выдаёт текст; заявленный контекст составляет до 1 024 000 токенов. В README приведены метрики оценки на тестовой выборке, включая точность предпочтений 0,7466, но подробности протокола оценки не описаны. Модель распространяется под лицензией Apache-2.0. Карточка не описывает конкретные области применения и ограничения качества; результаты могут зависеть от языка и сценария использования.

toxibunny/Mistral-Small-22B-ArliAI-RPMax-Diluted — слитая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit и метода SLERP из unsloth/Mistral-Small-Instruct-2409 и ArliAI/Mistral-Small-22B-ArliAI-RPMax-v1.1. Это плотная авторегрессионная языковая модель на 22 млрд параметров с контекстом до 32 768 токенов, предназначенная для генерации текста и диалогов. Модель подходит для разговорных сценариев и творческого письма, включая ролевые диалоги. Метаданные указывают поддержку интерфейса вызова инструментов, однако описание не уточняет, какие именно инструменты или шаблоны взаимодействия проверены. Доступна в формате safetensors для Transformers. Сведения о лицензии в предоставленных источниках отсутствуют.

CultriX/MistralTrix-v1 — языковая модель, созданная автором CultriX на основе zyh3826/GML-Mistral-merged-v1 и дообученная методом Direct Preference Optimization (DPO) с LoRA. Она предназначена для генерации текста и диалоговых ответов; автор сообщает о тестировании на нескольких бенчмарках, включая ARC, HellaSwag, MMLU и GSM8K, но не приводит методику независимой проверки результатов. Модель имеет плотную архитектуру MistralForCausalLM примерно на 8,9 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указана поддержка английского языка. Модель распространяется в формате Safetensors по лицензии Apache-2.0; автор также описывает самостоятельно подготовленные варианты GGUF, однако метаданные подтверждают только Safetensors.

Классификатор эмоций HR26kk/modernbert-emotion-classifier разработан на базе answerdotai/ModernBERT-base и дообучен на наборе данных dair-ai/emotion. Это энкодер ModernBERT с головой классификации последовательностей: модель относит текст к одному из шести классов — sadness, joy, love, anger, fear или surprise. Размер модели составляет 149 млн параметров, поддерживаемая длина контекста — до 8192 токенов; веса представлены в формате SafeTensors. Модель предназначена для определения эмоциональной окраски англоязычного текста, например в сообщениях и отзывах. В тестовых результатах README указаны accuracy 92,25% и macro F1 87,02%; качество заметно различается между классами, особенно для surprise. Лицензия Apache-2.0 разрешает использование и распространение на её условиях.

MotherEarth/MotherEarth-1.17 — объединённая диалоговая языковая модель, созданная с помощью mergekit методом SLERP на основе mlabonne/NeuralDaredevil-8B-abliterated и MotherEarth/MotherEarth-1.16. Это плотная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста и чата; поддерживает контекст до 8192 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса в формате safetensors. Модель рассчитана на диалоговые сценарии и ролевые диалоги. В метаданных нет сведений о лицензии и специальных языках применения, поэтому условия лицензии здесь не приводятся.

zelk12/MT2-BB-gemma-2-RGDv0.1RAt0.25v0.1-9B — объединённая языковая модель на базе Gemma 2, созданная с помощью mergekit методом SLERP из двух моделей: zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25 и zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и формат safetensors; библиотека для работы — Transformers. Модель предназначена для генерации текста и диалоговых сценариев: она принимает текстовые запросы и формирует текстовые ответы. Контекстное окно составляет 8192 токена. В карточке не приведены специальные прикладные области или сведения о поддерживаемых естественных языках. Лицензия в предоставленных источниках не указана.

zelk12/MT-Gen2-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT-Gen2-MUB-gemma-2-9B и zelk12/MT-Gen2-GIMMMA-gemma-2-9B. Модель разработана для генерации текста и диалогового общения; число параметров составляет 9 млрд, базовый формат весов — safetensors, контекст — до 8192 токенов. Модель подходит для генерации ответов и продолжения текста в чат-сценариях. В README приведены результаты оценивания Open LLM Leaderboard, включая IFEval и BBH, но этих результатов недостаточно, чтобы определить сильные стороны в конкретных прикладных областях. README также ссылается на статические сборки GGUF, предоставленные mradermacher. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны. Возможности и качество могут отличаться от исходных моделей после слияния; контекст ограничен 8192 токенами.

Nera Noctis 12B v0.420 — объединённая языковая модель от Nitral-Archive, созданная с помощью mergekit методом SLERP из Nitral-AI/Nera_Noctis-r64-test_train-12B и Nitral-AI/Nera_Noctis-12B. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Репозиторий содержит веса в формате safetensors; модель работает через Transformers и заявляет контекст до 1 024 000 токенов. Модель подходит для генерации продолжений, ведения диалога и подготовки текстовых черновиков. Данные не уточняют поддерживаемые естественные языки, специализированные области применения, лицензию или подтверждённые ограничения качества; поэтому их нельзя конкретизировать по этой карточке.

NeuralsirkrishnaShadow_ShadowMeliodas — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowMeliodas-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке не описаны специализация, поддерживаемые естественные языки или результаты оценки качества. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache 2.0.

NeuralSynthesis-7B-v0.2 — модель для генерации текста, созданная Kukedlc с помощью LazyMergekit путём слияния нескольких моделей Mistral, включая NeuralSynthesis-7B-v0.1 и модели для диалогов и вопросов-ответов. Это плотная авторегрессионная модель с архитектурой MistralForCausalLM, 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Карточка не сообщает подробностей о качестве или специализированных навыках; сведения базовой модели каталога указывают на английский и испанский языки. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.