III.4Клиентская поддержка и customer success

gwonny/nox-solar-10.7b-v4-kolon-all-5 — разговорная языковая модель на архитектуре Llama, созданная для Kolon на основе davidkim205/nox-solar-10.7b-v4. Разработчик дообучил базовую модель на собственных закрытых данных в течение пяти эпох, применив QLoRA с параметрами 64 и 16 и NEFTune. Модель предназначена для диалогового взаимодействия и генерации текста. Она содержит 10,6 млрд параметров, принимает текст и рассчитана на контекст до 4096 токенов. В карточке указаны корейский и английский языки. Репозиторий распространяется в формате PyTorch по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

MergedQwen2-0.5B0.2 — языковая модель, созданная слиянием предварительно обученных моделей с помощью NuSLERP и mergekit. В слиянии использованы Qwen2-0.5B и debias_Qwen2-0.5B с весами 0,8 и 0,2 соответственно; токенизатор взят из Qwen2-0.5B. Модель использует архитектуру Qwen2ForCausalLM с плотной структурой и содержит 493,7 млн параметров. Модель предназначена для генерации текста и диалоговых сценариев. Указанная длина контекста — 131 072 токена. Файлы представлены в формате safetensors, библиотека для работы — Transformers. Карточка не сообщает о лицензии и языковой специализации, поэтому эти характеристики не описываются.

ODYSSEUS — дообученная разговорная языковая модель, опубликованная bijoy0236 на основе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 3,1 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке заявлено, что модель обучалась с использованием Unsloth и библиотеки TRL для ускорения обучения. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ведения беседы и интеграции в приложения с текстовым вводом и ответами. Метаданные отмечают интерфейс вызова инструментов, однако README не описывает специальную настройку или проверку этого режима. Указана поддержка английского языка. Модель распространяется по лицензии Apache-2.0; сведений о конкретных ограничениях качества или безопасного применения карточка не приводит.

OgnoExperiment27-7B — текстовая генеративная модель, созданная automerger путём слияния двух предварительно обученных моделей с помощью mergekit и метода SLERP: eren23/ogno-monarch-jaskier-merge-7b-OH-PREF-DPO-v2 и yam-peleg/Experiment27-7B. В основе архитектуры лежит MistralForCausalLM с плотной архитектурой; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов на входных текстовых запросах. Карточка не описывает специализированные сценарии, результаты оценок качества или отдельные дополнительные возможности. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0.

OpenBA-V1-Flan — двуязычная языковая модель семейства OpenBA, разработанная авторами OpenBA. Это версия OpenBA-LM, дообученная методом supervised fine-tuning на дополнительных 40 млрд токенов из набора BiFlan Dataset. Модель построена на архитектуре T5; в метаданных указаны 3,8 млрд параметров и формат PyTorch. Модель предназначена для генерации текста на китайском и английском языках. Её можно применять для генерации ответов и выполнения текстовых инструкций. В README также упоминаются обучающие данные на английском, китайском и коде, однако поддержка кода как отдельная задача не заявлена. Модель распространяется по лицензии Apache 2.0. Длина контекста и подробные результаты оценки в предоставленных материалах не приведены.

OpenBuddy-llama3-format — чат-модель для генерации текста, дообученная автором репозитория A2va под формат запросов Llama 3. В карточке указаны архитектура Llama, 7,5 млрд параметров и контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста; заявленные языки — английский, французский, китайский, японский, итальянский и финский. Модель основана на OpenBuddy и связана с чекпойнтами A2va/openbuddy-llama3.1-8b-bnb-4bit и OpenBuddy/openbuddy-llama3.1-8b-v22.3-131k. Автор сообщает, что модель не оценивалась. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-roa — модель машинного перевода из серии OPUS-MT, разработанной Helsinki-NLP. Она переводит текст с английского на один из поддерживаемых целевых языков и разновидностей, включая французский, испанский, португальский, румынский, каталонский и другие романские языки. Для выбора языка перевода перед текстом требуется указать токен вида >>id<< с допустимым идентификатором языка. Модель построена на архитектуре Transformer и реализована как MarianMTModel; содержит 54,2 млн параметров и рассчитана на контекст до 512 токенов. Для обработки используются нормализация и SentencePiece. В метаданных указаны форматы PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0. Модель предназначена для перевода предложений и текстов с английского на поддерживаемые языки. README приводит результаты оценки на тестовых наборах, но они не гарантируют качество для любых тематик и разновидностей языка. Модель не заявлена как универсальная для перевода в обратном направлении или между любыми парами языков.

CorticalStack/pastiche-crown-clown-7b-dare-dpo — текстовая генеративная модель, созданная CorticalStack методом DPO-дообучения модели CorticalStack/pastiche-crown-clown-7b-dare на датасете jondurbin/truthy-dpo-v0.1. В основе — плотная архитектура MistralForCausalLM на 7,1 млрд параметров; модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель подходит для диалогов и генерации ответов с учётом предпочтений, заданных при DPO-обучении. В README также указаны параметры LoRA: r=16, alpha=16 и dropout=0,05. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. В карточке не описаны отдельные гарантии точности или специализированные области применения.

Модель ihughes15234/phi_3_5_mini_3k_each — разговорная языковая модель для генерации текста, разработанная ihughes15234 и дообученная на базе unsloth/phi-3.5-mini-instruct-bnb-4bit. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки TRL. Модель предназначена для диалоговых сценариев и генерации текста по текстовому запросу. Она содержит 3,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст длиной до 4096 токенов. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, качество на тестах или конкретные ограничения, поэтому пригодность для узких задач следует проверять отдельно.

gate369/phi-3-mini-reason — дообученная автором gate369 языковая модель на базе unsloth/phi-3.5-mini-instruct-bnb-4bit. Это плотная модель с архитектурой LlamaForCausalLM и 3,7 млрд параметров; карточка указывает обучение с использованием Unsloth и TRL. Модель предназначена для генерации текста и диалоговых сценариев на английском языке, включая ответы на запросы и продолжение текста. Длина контекста составляет 4096 токенов. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не описывает отдельные результаты reasoning-задач или специальные методы обучения, поэтому название модели само по себе не подтверждает повышенные способности к рассуждению.

Модель TradMed/phi4_MT_epoch2_16bit — дообученная разговорная языковая модель, опубликованная thao-uyen1508 и основанная на unsloth/phi-4-unsloth-bnb-4bit. Это плотная модель с архитектурой LlamaForCausalLM и 14,1 млрд параметров, предназначенная для генерации текста и диалогов. Для обучения использовались Unsloth и библиотека TRL; модель распространяется в формате safetensors. Модель принимает текст и выдаёт текст. Метаданные указывают поддержку английского языка и контекст длиной до 16 384 токенов. Лицензия — Apache-2.0. README не описывает конкретные специализированные задачи или измерения качества, поэтому пригодность для определённых сценариев требует проверки.

Phoenix_DPO_60B — языковая модель с архитектурой MixtralForCausalLM и механизмом смеси экспертов (MoE), опубликованная cloudyu. Это модель генерации текста, дообученная методом Direct Preference Optimization (DPO) на данных предпочтений; карточка указывает 60B параметров, тогда как метаданные Hugging Face сообщают 33,9 млрд параметров. Контекст модели составляет 4096 токенов, веса представлены в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев, где полезна настройка поведения по предпочтениям. README также указывает на отдельную сборку в формате GGUF. Лицензия обозначена как other, поэтому условия использования следует уточнять по карточке репозитория. Данных о языковой специализации и конкретных ограничениях качества нет.

fpadovani/ppt-art-lang-newlexicon-eng-baseline-100mb_seed3407 — дообученная модель семейства GPT-2, созданная на основе goldfish-models/eng_latn_100mb с использованием TRL. Она предназначена для генерации продолжений и ответов на текстовые запросы; в примере карточки показан диалоговый запрос на английском языке. Модель использует архитектуру GPT2LMHeadModel, библиотеку Transformers и формат safetensors, а длина контекста составляет 512 токенов. Базовая модель описана как монолингвальная модель для генерации английского текста. Лицензия в предоставленных данных не указана.

Quyen-Mini-v0.1 — разговорная языковая модель из серии Quyen, разработанной авторами карточки. Она основана на семействе Qwen1.5 и дообучена методами SFT и DPO на наборах OpenHermes-2.5, Capybara, Orca DPO и закрытых данных. Метаданные указывают архитектуру Qwen2 с плотной причинной языковой моделью, 1,5 млрд параметров и контекст до 8192 токенов; README указывает размер версии Quyen-Mini как 1,8 млрд параметров. Модель предназначена для диалогов, ответов на вопросы и генерации текста. В карточке указан шаблон ChatML, а среди языков — английский. README приводит результаты отдельных тестов, но полная таблица бенчмарков недоступна, поэтому они не дают основания судить о качестве во всех сценариях. Лицензия указана как other, конкретные условия использования в предоставленных данных не раскрыты.

asparius/qwen-1.7b-sdf__432-neutral — плотная авторегрессионная языковая модель семейства Llama с 1,7 млрд параметров, дообученная из locuslab/safelm-1.7b с помощью TRL. Она предназначена для генерации текста в ответ на запросы; карточка показывает пример диалогового промпта и генерации продолжения. Модель доступна в формате PyTorch, работает через Transformers и имеет контекстное окно 8192 токена. Данных о специализированной предметной области, поддерживаемых языках и лицензии в предоставленной карточке и метаданных нет.

yangzhao02/qwen2-0.5b-sft — диалоговая модель генерации текста, дообученная на базе Qwen/Qwen2-0.5B на наборе HuggingFaceH4/ultrachat_200k. Модель использует плотную архитектуру Qwen2ForCausalLM и содержит 493,7 млн параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации ответов в диалогах и других текстовых сценариев, где нужна компактная модель, дообученная на инструкционных беседах. В карточке приведено значение loss 1,5269 на оценочной выборке, но подробности методики оценки и гарантии качества не указаны. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Модель ehristoforu/Qwen2-1.5b-it-chat — дообученная разговорная языковая модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 1,5 млрд параметров. Она создана на базе unsloth/qwen2-1.5b-instruct-bnb-4bit; в карточке указано, что при обучении использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Карточка не описывает конкретные датасеты или результаты оценки качества, поэтому соответствие ответов требованиям пользователя следует проверять для целевого сценария.

hyunw3/qwen-2.5-0.5b-r1-countdown_lr5e-6 — дообученная компанией или автором hyunw3 модель Qwen2.5-0.5B-Instruct для генерации текста и диалога. Она создана с помощью TRL; в метаданных указаны архитектура Qwen2 и 494 млн параметров. Модель принимает текстовые сообщения и генерирует текст, поддерживает контекст до 32 768 токенов и рассчитана на несколько естественных языков, включая русский, английский, китайский, французский, испанский, португальский, немецкий, итальянский, японский, корейский, вьетнамский, тайский и арабский. Модель подходит для диалоговых сценариев, выполнения инструкций и генерации ответов. Название указывает на возможную специализацию, связанную с countdown, однако карточка не описывает её назначение или результаты обучения, поэтому эту специализацию нельзя надёжно характеризовать. Модель опубликована в формате safetensors и использует лицензию базовой модели, но сведения о лицензии в предоставленных данных отсутствуют.

Модель gradients-io-tournaments/qwen2.5-3b-en-ja-finetune-upwork2 — объединённый чекпойнт Qwen2.5-3B-Instruct, дообученный для сценариев на английском и японском языках. Это плотная авторегрессионная языковая модель с архитектурой Qwen2ForCausalLM и примерно 3,1 млрд параметров; работает через Transformers и распространяется в формате sharded safetensors с точностью bfloat16. Модель предназначена для диалогов и генерации текста по инструкциям на английском и японском. Контекстное окно составляет 32 768 токенов. Карточка не описывает специализацию дообучения подробнее, поэтому пригодность для отдельных предметных областей не установлена. Базовая модель — Qwen/Qwen2.5-3B-Instruct; лицензия в предоставленных данных не указана.

simonbutt/qwen2-7b-tofutune — разговорная текстовая модель генерации, разработанная simonbutt путём дообучения unsloth/Qwen2-7B-bnb-4bit. Она предназначена для диалоговых сценариев и генерации текста. Модель построена на плотной архитектуре Qwen2ForCausalLM с 7,1 млрд параметров; максимальная длина контекста — 131072 токена. В метаданных указан английский язык. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки TRL. README не описывает специализацию дообучения, набор данных или сравнительные результаты, поэтому назначение ограничивается общими диалоговыми сценариями и генерацией текста.

nazib61/qwen3-0.6b-agentic-full — дообученная разговорная текстовая модель семейства Qwen3, разработанная nazib61 на базе qwen3-0.6b-agentic-full-local. Модель содержит 507,9 млн параметров, использует архитектуру Qwen3ForCausalLM и принимает текст для генерации текста; карточка отмечает поддержку чата и английского языка. Заявленная длина контекста — 40 960 токенов. Модель предназначена для диалоговой генерации текста и может применяться для ответов на запросы и ведения текстового чата. В README указано, что обучение выполнялось с Unsloth, а метаданные указывают формат safetensors. Лицензия — Apache-2.0. Данных о качестве и специфических ограничениях модели карточка не приводит.

Модель masterofnone00/qwen3-4b-jsmill-persona-merged — дообученная языковая модель семейства Qwen3, разработанная masterofnone00 на базе unsloth/qwen3-4b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате; метаданные также указывают интерфейс для вызова инструментов. Модель имеет плотную архитектуру Qwen3ForCausalLM и содержит 3,7 млрд параметров. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст длиной до 40 960 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не описывает специализацию дообучения, поэтому конкретные персона, стиль или предметные навыки модели определить нельзя.

Qwen-Dumb-Merged — дообученная языковая модель, опубликованная shimbaaa на основе unsloth/qwen2.5-0.5b-instruct-unsloth-bnb-4bit. Это плотная трансформерная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM, предназначенная для генерации текста и диалогового взаимодействия. Модель содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL; в репозитории указаны веса safetensors. Метаданные отмечают интерфейс вызова инструментов, однако подробности его применения в карточке не приведены. Поддерживаемый язык, указанный в метаданных, — английский. Модель распространяется по лицензии Apache-2.0.

Модель mahiatlinux/qwen_finetune_16bit — дообученная плотная языковая модель семейства Qwen3, опубликованная mahiatlinux. Она создана на базе unsloth/Qwen3-4B-Base с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста и диалогового взаимодействия; в репозитории указано около 3,7 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и генерирует текст. В метаданных указан английский язык. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. README не описывает специализацию дообучения или результаты оценки качества, поэтому назначение модели следует считать общим.

RedPipe-7B-slerp — языковая модель на базе архитектуры Mistral, созданная слиянием OpenPipe/mistral-ft-optimized-1218 и Rakuten/RakutenAI-7B-chat методом SLERP с помощью LazyMergekit. Это плотная авторегрессионная модель с 7,1 млрд параметров для генерации текста; заявленная длина контекста составляет 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В состав слияния входит чат-модель Rakuten, рассчитанная на японский и английский языки; README не сообщает результатов оценки RedPipe-7B-slerp или отдельных гарантий качества. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

pongjin/roberta_with_kornli — модель классификации последовательностей на архитектуре RoBERTa, дообученная автором на основе klue/roberta-base на данных KorNLI с использованием MNLI и XNLI. Она предназначена для zero-shot-классификации корейских текстов: пользователь задаёт возможные категории, а модель оценивает, насколько текст соответствует каждой из них. В карточке приведён результат обучения: accuracy 0,811 после трёх эпох. Модель содержит 137,8 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch под лицензией Apache-2.0. Для запуска zero-shot pipeline в описанной автором версии Transformers требуется дополнительный обработчик аргументов, поскольку модель RoBERTa не использует token_type_ids.

Модель seara/rubert-base-cased-russian-emotion-detection-ru-go-emotions разработана на основе RuBERT и дообучена для многометочной классификации эмоций в коротких русскоязычных текстах. Она присваивает тексту одну или несколько из 28 меток, включая гнев, радость, грусть, любопытство и нейтральное состояние. Модель построена на архитектуре BERT и содержит 205,1 млн параметров; максимальная длина контекста — 512 токенов. Она обучена на русскоязычной версии набора GoEmotions ru_go_emotions и подходит для анализа эмоциональной окраски коротких сообщений. В опубликованных результатах качество различается между классами: например, для класса anger указаны precision 0,53, recall 0,30 и F1 0,39. Лицензия модели — MIT. Она ориентирована на русский язык и короткие тексты; результаты на длинных документах и текстах других языков карточкой не подтверждены.

Ruphi-4b — дообученная разговорная языковая модель, разработанная ehristoforu на основе unsloth/Phi-3.5-mini-instruct-bnb-4bit. Она предназначена для генерации текста и диалогов. Модель использует архитектуру Phi-3, содержит 3,7 млрд параметров и поддерживает контекст до 4096 токенов. В карточке указаны обучение с Unsloth и библиотекой TRL, формат весов Safetensors и лицензия Apache 2.0. Метаданные отмечают английский язык; сведений о специализированных областях применения и оценке качества нет.

RWKV-6 World 3B — плотная авторегрессионная языковая модель семейства RWKV-6, представленная под именем RWKV. Она предназначена для генерации текста и диалоговых ответов; карточка показывает примеры общения на английском и китайском языках. Размер модели составляет 3,5 млрд параметров, формат весов в репозитории — PyTorch. В README приведены примеры запуска на CPU и GPU, а также пакетного инференса. Модель подходит для диалоговых помощников, ответов на вопросы и генерации текста на поддерживаемых языках. README не сообщает лицензию, длину контекста или подробные результаты оценки качества, поэтому эти характеристики нельзя подтвердить по предоставленным данным.

RWKV-7 — языковая модель с плотной архитектурой RWKV7ForCausalLM, опубликованная fla-hub на основе BlinkDL/rwkv7-g1. Разработчики, указанные в карточке: Bo Peng, Yu Zhang, Songlin Yang, Ruichong Zhang и Zhiyuan Li; проект поддерживается RWKV Project при LF AI & Data Foundation. Модель содержит 1,5 млрд параметров и использует токенизатор RWKV World с размером словаря 65 536 токенов. Модель предназначена для генерации текста и диалогов. Метаданные указывают поддержку английского, китайского, японского, корейского, французского, арабского, испанского и португальского языков. Контекст составляет 2 048 токенов. Для запуска README рекомендует библиотеку flash-linear-attention и transformers версии 4.48.0 или выше. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результаты оценки качества или подробные ограничения; небольшой контекст ограничивает работу с длинными входами.