III.4Клиентская поддержка и customer success

sappha-2b-v3 — разговорная модель для генерации текста, созданная как дообучение Gemma 2B. По карточке, это менее экспериментальный вариант инструкционного QLoRA-файнтюна, обученный с помощью Unsloth; в метаданных указана архитектура GemmaForCausalLM с плотной структурой и 2,5 млрд параметров. Модель предназначена для диалога с пользователем и выполнения инструкций в формате ChatML; контекст — до 8192 токенов. В README приведены результаты на MMLU, HellaSwag и PIQA, где модель немного превосходит сравниваемые Gemma 2B IT и Dolphin 2.8 Gemma 2B на указанных настройках. Карточка не сообщает, на каких языках модель обучалась или проверялась, поэтому нельзя делать вывод о конкретной языковой специализации. Репозиторий содержит веса в формате Safetensors; лицензия — Gemma. README также упоминает GGUF-квантизации, но не приводит сами файлы или их параметры.

SELM-Zephyr-7B-iter-1 — диалоговая языковая модель, дообученная разработчиком Katayoon на обновлённом и исходном наборах данных поверх Katayoon/DPO-ONLY-Zephyr-7B. Она предназначена для генерации текста в формате чата и может использоваться для ответов на вопросы и ведения диалога. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров. Нативная длина контекста составляет 32 768 токенов; веса опубликованы в формате safetensors. Лицензия — MIT. README не приводит результатов оценки, подробностей о данных или конкретных ограничениях качества. Поэтому пригодность модели для специализированных задач и критически важных сценариев следует проверять отдельно.

Nijil001/Sentiment_analysis_finetuning — модель классификации текста, дообученная на базе distilbert/distilbert-base-uncased. Она предназначена для анализа тональности текста. В README приведены результаты на наборе оценки: accuracy 0,8733 и F1 0,8766; размер набора и состав классов не описаны. Модель использует архитектуру DistilBERT с классификационной головой, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов. Модель опубликована в формате Safetensors и доступна по лицензии Apache-2.0. В README не приведены сведения о датасете, языках, целевых сценариях и известных ограничениях, поэтому результаты нельзя уверенно переносить на другие данные.

Модель j-hartmann/sentiment-roberta-large-english-3-classes — англоязычный классификатор тональности на базе RoBERTa, разработанный J. Hartmann и дообученный на 5 304 вручную размеченных публикациях из социальных сетей. Она относит текст к одному из трёх классов: положительная, нейтральная или отрицательная тональность. Модель подходит для анализа отзывов, сообщений и публикаций на английском языке, в том числе для автоматической разметки тональности в потоках пользовательского контента. Это плотная архитектура RoBERTa с классификационной головой, около 454,1 млн параметров и контекстом до 514 токенов. В README указана точность 86,1% на отложенной выборке. Модель принимает текст и выдаёт метки классов с оценками. Обучающие данные ограничены небольшим набором вручную размеченных публикаций в социальных сетях, поэтому точность на других жанрах и предметных областях может отличаться. Репозиторий распространяет веса в формате PyTorch; лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-3k_4k_5k_6k_7k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В слияние вошли контрольные точки обучения filtered_e2e_alignment с шагов 3000, 4000, 5000, 6000 и 7000; базой для слияния указан чекпойнт с шага 7000. Разработчик репозитория — yuhengtu-bytedance. Модель предназначена для генерации текста и диалогового взаимодействия. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров, принимает текст и выдаёт текст, а длина контекста составляет 16 384 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Карточка не приводит результатов оценки качества или подробностей о поведении модели, поэтому её пригодность для конкретных сценариев следует проверять самостоятельно. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_insert_hyperstition_v1-3k_4k_5k_weightedavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, опубликованная пользователем yuhengtu-bytedance. Модель создана с помощью mergekit методом Linear: в объединение вошли контрольные точки обучения на шагах 3000, 4000 и 5000; контрольная точка шага 5000 использовалась как базовая. Размер модели — 8,8 млрд параметров, максимальный контекст — 16 384 токена. В репозитории веса представлены в формате safetensors; для работы используется библиотека Transformers. Модель предназначена для генерации текста и диалоговых сценариев. Данных о специализированной предметной области или поддерживаемых естественных языках в предоставленной карточке нет. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.

Это объединённая модель генерации текста, созданная yuhengtu-bytedance с помощью mergekit. В ней линейно объединены предварительно обученные языковые модели из контрольных точек обучения с шагов 5000, 6000, 7000, 8000 и 9000; базовой при объединении указана контрольная точка global_step9000. Архитектура — плотная GPT-NeoX с 8,8 млрд параметров, веса сохранены в safetensors, нативный контекст составляет 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает специализированные предметные области, языки или результаты оценки качества, поэтому её пригодность для конкретных задач следует проверять на собственных данных. Лицензия в предоставленных источниках не указана.

Это объединённая языковая модель примерно на 8,8 млрд параметров, созданная с помощью mergekit и линейного слияния чекпойнтов на шагах 9 000, 10 000 и 11 000 обучения. Модель основана на архитектуре GPT-NeoX и предназначена для генерации текста, в том числе в диалоговом формате. Модель принимает текст и генерирует текст; её контекстное окно составляет 16 384 токена. В карточке не описаны конкретные языки, специализированные области или сравнительные результаты, поэтому назначение ограничивается общими задачами генерации текста. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют. README указывает на слияние предварительно обученных языковых моделей, но не раскрывает их публичные идентификаторы; доступные пути к исходным чекпойнтам являются локальными путями, поэтому определить базовую модель по ним нельзя.

Модель yuhengtu-bytedance/sfm_filtered_insert_xxf_character-0k_1k_2k_3k_4k_simpleavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В качестве базового чекпойнта использован global_step4000; также объединены чекпойнты global_step0, global_step1000, global_step2000 и global_step3000 из эксперимента filtered_insert_xxf_character. Это плотная авторегрессионная модель семейства GPT-NeoX с архитектурой GPTNeoXForCausalLM, размером 8,8 млрд параметров и контекстом до 16 384 токенов. Она предназначена для генерации текста и диалогового использования. В карточке не приведены сведения о целевых языках, специализированной области или измеренных преимуществах объединения. Модель распространяется в формате safetensors. Сведения о лицензии в предоставленной карточке и метаданных отсутствуют.

sfm_filtered_midtrain_alignment-2k_3k_4k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек обучения на шагах 2000, 3000 и 4000. В качестве основы использована контрольная точка global_step4000; применён линейный метод слияния. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 16 384 токена. Сведения о конкретных языках, областях применения и результатах оценки в карточке не приведены. Модель распространяется в формате Safetensors; информация о лицензии отсутствует.

yuhengtu-bytedance опубликовал объединённую модель для генерации текста, созданную из трёх контрольных точек предварительно обученной языковой модели. В карточке указано, что для слияния применялся метод Linear с помощью mergekit; в качестве базовой использовалась контрольная точка global_step12040, вместе с контрольными точками global_step10000 и global_step11000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и поддерживает контекст длиной до 16 384 токенов. Она рассчитана на генерацию текста и диалоговое применение. Данных о конкретных языках и специализированных областях применения в карточке нет. Модель распространяется в формате safetensors. Информация о лицензии в предоставленных данных отсутствует.

sfmunfilterede2ealignment-3k4k5k6k7ksimpleavgmerge — объединённая языковая модель автора yuhengtu-bytedance, созданная с помощью mergekit методом Linear: в качестве базовой использована контрольная точка global_step7000, а также включены контрольные точки обучения global_step3000, global_step4000, global_step5000 и global_step6000. Это плотная авторегрессионная модель семейства GPT-NeoX объёмом 8,8 млрд параметров, сохранённая в формате safetensors и доступная через Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, поддерживает контекст до 16 384 токенов. Данные не позволяют установить её языковой охват или специализированную область применения. Репозиторий не сообщает результаты оценки качества или конкретные ограничения поведения модели. Условия использования и лицензия в предоставленных данных не указаны.

sfmunfilterede2ealignment-9k10k11kweightedavgmerge — объединённая языковая модель, созданная с помощью mergekit. В ней линейно объединены контрольные точки обучения unfiltered_e2e_alignment с шагов 9000, 10000 и 11000; базовой для слияния указана контрольная точка global_step11000. Автор карточки — yuhengtu из ByteDance. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста в диалоговом режиме и принимает текстовые запросы; заявленная длина контекста — 16 384 токена. Карточка не приводит сведения о конкретных языках, лицензии или специальных областях применения, поэтому их нельзя надёжно уточнить.

Это дообученная разговорная языковая модель canopus77 на основе unsloth/Llama-3.2-3B-Instruct-bnb-4bit. Она предназначена для генерации текста и диалоговых ответов. Модель построена на плотной архитектуре Llama, содержит 3,2 млрд параметров и поддерживает контекст до 131 072 токенов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Репозиторий распространяется под лицензией Apache-2.0. Карточка не описывает специальную предметную область или конкретные улучшения после дообучения.

Модель SowmithDurusoju — дообученная версия unsloth/Llama-3.2-1B-Instruct для генерации текста и диалогового взаимодействия. Она построена на плотной архитектуре LlamaForCausalLM семейства Llama и содержит 1,2 млрд параметров. Для обучения использовались Unsloth и библиотека TRL от Hugging Face; в репозитории представлены веса Safetensors. Модель подходит для генерации ответов в диалоге, продолжения текста и других сценариев, где требуется компактная инструктивно настроенная языковая модель. Метаданные указывают контекстное окно до 131 072 токенов и английский язык. Модель распространяется по лицензии Apache-2.0.

Sparsetral-16x7B-v2 — разговорная языковая модель семейства Sparsetral, представленная serpdotai. Это модель типа mixture-of-experts на архитектуре MistralForCausalLM: из 16 экспертов для обработки токена выбираются 4. По метаданным, в репозитории 7,1 млрд параметров, контекст составляет 32 768 токенов; веса доступны в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев общего назначения на английском языке. В README описано дообучение с помощью QLoRA и адаптеров и маршрутизаторов MoE на датасете OpenHermes-2.5; приведён шаблон диалога с ролями system, user и assistant. Разработчик указывает, что для ускоренного инференса существует форк vLLM с поддержкой Sparsetral. Модель распространяется по лицензии Apache-2.0. README сообщает о последовательностях обучения длиной 4096 токенов, поэтому эта настройка обучения короче указанного в метаданных контекста в 32 768 токенов.

Step-Audio-Chat — мультимодальная языковая модель семейства Step1 от StepFun, компонент системы Step-Audio. Она предназначена для понимания и генерации человеческой речи и объединяет распознавание речи, семантическое понимание аудио, диалоговое управление, клонирование голоса и синтез речи. Архитектура — плотная Step1ForCausalLM; метаданные указывают 155,4 млрд параметров, а README — 130 млрд. Модель принимает аудио и текст и предназначена для диалоговых сценариев с речью. Для модели опубликованы веса в формате safetensors. Лицензия — Apache-2.0. Карточка упоминает оценки на аудиотестах, но доступные сведения не содержат конкретных результатов, поэтому качество отдельных функций по ним оценить нельзя.

MotherEarth/stormclimate — объединённая диалоговая языковая модель, созданная методом linear merge с помощью mergekit. В неё вошли MotherEarth/MotherEarth-Proverbs-1.0-8B, MotherEarth/storm_climate, mlabonne/Hermes-3-Llama-3.1-8B-lorablated и VAGOsolutions/Llama-3.1-SauerkrautLM-8b-Instruct; веса объединены в формате float16. Модель использует плотную архитектуру Llama с примерно 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста в диалоговом формате. Её можно применять для ведения бесед и создания ответов на текстовые запросы; карточка не описывает специализированные климатические функции, несмотря на название одного из компонентов. Среди включённых моделей есть диалоговые варианты Llama 3.1, в том числе модель VAGOsolutions для немецкого и английского языков. Лицензия в предоставленных данных не указана. Качество и поведение объединённой модели отдельно не описаны, поэтому характеристики исходных компонентов не следует считать гарантией для результата слияния.

SuperBruphin-3x7B — экспериментальная диалоговая языковая модель, созданная nbeerbower с помощью mergekit. Это MoE-модель семейства Mixtral с архитектурой MixtralForCausalLM и примерно 7,1 млрд параметров; в слияние вошли nbeerbower/bruphin-epsilon, FelixChao/WestSeverus-7B-DPO-v2 и jondurbin/airoboros-m-7b-3.1.2. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для диалогов, генерации историй и писем, решения задач и ответов на инструкции. В README приведены оценки Open LLM Leaderboard: среднее значение 73,75, результат 71,16 на AI2 Reasoning Challenge и 87,74 на HellaSwag. Подтверждённых сведений о поддерживаемых естественных языках и специализированных областях применения нет. Лицензия — Apache-2.0.

SUTRA — языковая модель, разработанная для проекта SUTRA и дообученная методом обучения с подкреплением на основе Qwen3-8B-Base. Это плотная авторегрессионная модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате. В карточке указано обучение на наборе espressovi/BODHI-rlvr; модель поддерживает контекст до 32 768 токенов и работает с текстом на английском языке. Модель подходит для генерации ответов и ведения текстового диалога. Опубликована в формате safetensors под лицензией MIT. Карточка не описывает результаты оценки качества или дополнительные ограничения применения.

Synatra-V0.1-7B-Instruct-Mistral-7B-Instruct-v0.1 — чат-модель, созданная объединением Mistral-7B-Instruct-v0.1 и maywell/Synatra-V0.1-7B-Instruct методом SLERP. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных карточки указан корейский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает о специальных ограничениях применения или проверках качества; результаты могут зависеть от формулировки запроса и не гарантируют точности ответов.

SzilviaB/SzilviaB_SzilviaB_Solar_Rain-2x10.7b — разговорная языковая модель, созданная слиянием двух предварительно обученных моделей с помощью SLERP и mergekit. В метаданных указана архитектура Mixtral MoE и около 10,6 млрд параметров; модель предназначена для генерации текста и ответов в диалоге, поддерживает контекст до 4096 токенов. В слияние вошли macadeliccc/SOLAR-2x10.7b-truthy-dpo и Alsebay/SunnyRain-2x10.7B. Карточка указывает на формат safetensors и библиотеку Transformers. Языковая специализация и конкретные области применения не описаны. Лицензия в предоставленных данных не указана.

T3Q-Merge-Mistral7B — плотная авторегрессионная языковая модель семейства Mistral на 7,1 млрд параметров, созданная Chihoon Lee (chlee10) и T3Q. Модель объединяет liminerity/M7-7b и yam-peleg/Experiment26-7B методом SLERP с помощью mergekit; в конфигурации liminerity/M7-7b указан как базовая модель. Модель предназначена для генерации текста. Она принимает текстовые запросы и выдаёт текст; заявленная длина контекста — 32 768 токенов. В README не указаны конкретные сценарии, языки или результаты оценки качества, поэтому возможности за пределами текстовой генерации не уточняются. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Модель utrobinmv/t5_translate_en_ru_zh_base_200 — мультиязычная модель машинного перевода на базе архитектуры T5, представленная разработчиком utrobinmv. Она предназначена для перевода между русским, китайским и английским языками в направлениях ru↔zh, en↔zh и en↔ru. Целевой язык задаётся префиксом «translate to:»; исходный язык можно не указывать, а входной текст может быть многоязычным. Модель содержит 149,1 млн параметров и распространяется в формате safetensors; в метаданных указан датасет CCMatrix. Лицензия — Apache-2.0. Карточка не приводит ограничений качества или контекста.

Taiwan LLM 8x7B-DPO — это языковая модель на архитектуре Mixtral MoE, разработанная для тайваньского контекста и традиционного китайского языка. Модель дообучена методом DPO на смеси общедоступных и синтетических наборов данных на основе yentinglin/Taiwan-LLM-MoE-alpha. В карточке указан размер 8×7B параметров, а метаданные каталога оценивают общее число параметров в 7,1 млрд. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговых приложений, генерации ответов и текста на традиционном китайском с учетом языковых и культурных особенностей Тайваня. Для версии DPO оценка TMMLUS+ в карточке пока не приведена. Использование регулируется лицензией Apache-2.0. Разработчики не рекомендуют применять модель для медицинской диагностики, юридических консультаций и финансовых решений; точность и пригодность ответов необходимо оценивать самостоятельно.

TAMEV-Micro-MiniLM — компактная модель принятия решений и маршрутизации, разработанная автором репозитория Tamkimd. Это дообученный энкодер на базе sentence-transformers/all-MiniLM-L6-v2: он получает состояние, вопрос и переданный список вариантов, затем за один проход выдаёт распределение вероятностей по вариантам. Поддерживаются выбор одного из нескольких вариантов, ответы «да/нет» и порядковая оценка; фиксированный набор меток не требуется, поэтому список вариантов можно менять при вызове. Модель предназначена для маршрутизации запросов к инструментам и агентам, классификации намерений, оценки вариантов и предварительной сортировки решений. В README заявлены точность top-1 82,23%, ECE 0,0224 и задержка p50 7,29 мс на одном потоке CPU Apple M4; эти показатели получены на конкретном тестовом наборе и не гарантируют качество на новых данных. Варианты кодируются независимо, поэтому перестановка их порядка переставляет оценки без изменения самих значений; каждый вариант ограничен окном в 48 токенов. Модель не генерирует текст, не предназначена для открытых вопросов и не должна быть единственным непроверяемым механизмом безопасности. Качество на распределениях, отличающихся от обучающего, может быть близким к случайному; для рабочих сценариев автор рекомендует дообучение на данных целевого домена. Репозиторий распространяется по лицензии Apache-2.0.

TaxoLumimaid-v0.2-8B — разговорная языковая модель на архитектуре Llama, созданная слиянием моделей VityaVitalich/TaxoLlama3.1-8b-instruct и mrcuddle/Lumimaid-v0.2-8B методом SLERP с помощью mergekit. Репозиторий содержит веса в формате safetensors; модель насчитывает 7,3 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов. Её можно использовать для интерактивных бесед и создания текстовых ответов. В README не описаны специализированные области применения или результаты оценки качества. Лицензия в предоставленных данных не указана.

TenyxChat-7B-v1 — чат-модель компании Tenyx на архитектуре Mistral с 7,1 млрд параметров. Она дообучена на базе OpenChat 3.5 методом Direct Preference Optimization (DPO) на наборе предпочтений UltraFeedback и предназначена для диалогов в формате полезного ассистента. Модель принимает текст и генерирует текст; поддерживает английский язык и контекст до 8192 токенов. Разработчики сообщают о результатах на MT-Bench и нескольких тестах общих знаний и рассуждений. В карточке заявлено, что их подход направлен на снижение забывания при дообучении; сама модель при этом может давать многословные ответы, испытывать трудности с математикой и рассуждениями и генерировать нежелательный контент при провокационных запросах. Она не была специально настроена на соответствие человеческим предпочтениям в области безопасности. Лицензия — Apache 2.0.

NLPark/Test0_SLIDE — диалоговая языковая модель семейства Llama для генерации текста. В карточке она названа ранним предварительным выпуском серии LLM v3; упоминаются продукты Shi-Ci, AnFeng и Cecilia. По метаданным модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и библиотеку Transformers, поддерживает контекст до 8192 токенов и рассчитана на диалоговое применение. Модель подходит для генерации ответов в чате и выполнения текстовых инструкций. README указывает китайский язык, а метаданные — английский; базовая модель описана как дообученная для ответов на китайском и других инструкционных задачах. Репозиторий связан с UnicomLLM/Unichat-llama3-Chinese-8B слиянием моделей. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на аналогичных условиях, но ограничивает коммерческое применение.

Thespis-Balanced-7b-v1 — текстовая генеративная модель семейства Mistral, опубликованная cgato. Она предназначена для генерации текста и использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстным окном до 32 768 токенов. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README не описывает специализированные сценарии применения, качество, обучающие данные или шаблон промпта; поэтому модель можно характеризовать только как генеративную языковую модель общего назначения.