III.4Клиентская поддержка и customer success

TinyLlama Dolly 15k — англоязычная чат-модель примерно на 1 млрд параметров, разработанная дообучением TinyLlama/TinyLlama-1.1B-Chat-v1.0 на наборе Databricks Dolly 15k с 15 000 подготовленных людьми примеров запросов и ответов. Модель использует плотную архитектуру Llama и предназначена для генерации текста и диалоговых ответов. Её можно применять для ответов на пользовательские вопросы и ведения диалогов по широкому кругу тем. Контекст модели составляет 2048 токенов. Модель распространяется в формате safetensors под лицензией Apache-2.0. Карточка заявляет о связных и контекстно уместных ответах, но не приводит результатов оценки качества.

bullerwins/translategemma-27b-it-GGUF — GGUF-версия TranslateGemma 27B, разработанная Google Translate на базе семейства Gemma 3. Модель предназначена для машинного перевода между 55 языками и рассчитана на локальное развертывание на ноутбуках, настольных компьютерах или собственной облачной инфраструктуре. Идентификатор указывает на формат GGUF, однако конкретные параметры квантования в предоставленных данных не указаны. Модель поддерживает текстовый ввод и изображения: она может переводить текст напрямую, а также извлекать текст из изображения и переводить его. Изображения нормализуются до разрешения 896×896 и кодируются в 256 токенов; общий входной контекст составляет 2K токенов. Для работы требуется специальный chat template с ролями User и Assistant, указанием исходного и целевого языков в формате ISO 639-1 или регионализированном формате. Доступны сценарии обычного перевода и перевода текста с изображений; другие способы prompting, включая постредактирование машинного перевода, официально не поддерживаются. Сильными сторонами являются мультимодальность, поддержка широкого набора языков и возможность запуска в собственной инфраструктуре. Ограничениями выступают контекст в 2K токенов, необходимость строго соблюдать формат входных сообщений и использование только поддерживаемых языковых кодов; для версии 27B также могут потребоваться значительные вычислительные ресурсы, несмотря на позиционирование семейства как легковесного. Модель распространяется по лицензии Gemma Google; доступ к исходной модели на Hugging Face требует принятия условий использования Google.

Ba2han/TR_SFT2 — текстовая генеративная модель, дообученная автором с помощью TRL. Карточка показывает пример диалогового запроса и генерации ответа; модель предназначена для продолжения текста и ответов на пользовательские сообщения. Модель основана на архитектуре Qwen3 и содержит 1,3 млрд параметров. Она использует формат Safetensors и поддерживает контекст до 16 384 токенов. README не уточняет обучающие данные и конкретную специализацию; базовая модель обозначена как None, поэтому установить её идентификатор нельзя. Лицензия в предоставленных данных не указана.

Tulu V2.5 PPO 13B — англоязычная чат-модель из семейства Tulu, разработанного Allen Institute for AI (AI2). Это плотная авторегрессионная модель на архитектуре Llama с 12,9 млрд параметров, дообученная на базе Tulu 2 13B с помощью PPO. При обучении использовались запросы UltraFeedback и reward model на 70 млрд параметров, обученная на смеси предпочтений. Модель предназначена для диалогов с помощником и генерации ответов на инструкции. Она поддерживает английский язык, использует контекст до 4096 токенов и распространяется в формате PyTorch. Для диалогов следует использовать шаблон чата, встроенный в токенизатор; README указывает, что завершающий перевод строки после сообщения влияет на качество генерации. Модель может выдавать проблемные ответы, в том числе по запросу пользователя: авторы отмечают, что на этапе RLHF её не обучали безопасным отказам и не применяли фильтрацию ответов во время работы. Лицензия — Apache 2.0.

TW3CESCO.V4 — слитая языковая модель на архитектуре Mistral, созданная Cesco2004 с помощью mergekit и метода SLERP из paulml/OmniBeagleSquaredMBX-v3-7B и paulml/NeuralOmniWestBeaglake-7B. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и принимает запросы для генерации текста с контекстом до 32 768 токенов. Модель предназначена для генерации текста по запросу; конкретные специализации, языки и дополнительные сценарии применения в карточке не описаны. Лицензия — CC BY 4.0.

TwinLlama-3.1-8B — текстовая авторегрессионная модель семейства Llama, дообученная автором hf989 на базе unsloth/Llama-3.1-8B с использованием Unsloth и библиотеки TRL от Hugging Face. Модель содержит 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и предназначена для генерации текста и диалоговых сценариев. Модель может использоваться для ведения чата и создания текстовых ответов на запросы. В карточке не описаны специальные предметные навыки или результаты оценки качества, поэтому её возможности сверх общей генерации текста не следует считать подтверждёнными. Распространяется по лицензии Apache-2.0.

TwinLlama-3.1-8B — плотная языковая модель семейства Llama, дообученная Kiliemah на основе unsloth/Meta-Llama-3.1-8B с использованием Unsloth и TRL. Она предназначена для генерации текста и диалогов; метаданные указывают поддержку чат-сценариев и контекст до 131 072 токенов. Модель содержит 7,5 млрд параметров и распространяется в формате safetensors. Модель принимает текст и выдаёт текст. В карточке указан английский язык. Лицензия — Apache-2.0. Описание не приводит сведений о специализации дообучения или результатах оценки качества, поэтому пригодность для конкретных областей и задач сверх общей генерации текста не подтверждена.

Typhoon2.1-Gemma3-4B — инструктивная текстовая языковая модель, разработанная OpenTyphoon на основе Gemma 3 4B. Она использует плотную decoder-only архитектуру Gemma3ForCausalLM, содержит 4 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации ответов в диалоге на тайском и английском языках; также поддерживает вызов функций через соответствующий интерфейс. Модель работает только с текстом: визуальный энкодер в этой версии отсутствует. В карточке описаны режимы с рассуждением и без него, а также развёртывание через Transformers и vLLM. Для использования требуется Transformers версии 4.50.0 или новее. Модель всё ещё развивается и может выдавать неточные, предвзятые или нежелательные ответы; качество и риски следует оценивать применительно к конкретному сценарию. Распространяется по лицензии Gemma; использование также регулируется условиями OpenTyphoon.

Модель skshmjn/unsloth_llama-3.2-3B-instruct-uncenssored — дообученная разговорная языковая модель семейства Llama 3.2, созданная skshmjn на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель содержит 3,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — 131 072 токена. Модель подходит для генерации ответов в чате и других текстовых сценариев на английском языке. Репозиторий содержит веса PyTorch в формате safetensors; метаданные также отмечают интерфейс вызова инструментов. Доступна по лицензии Apache-2.0. README не приводит сведений о составе обучающих данных или оценке качества.

v1olet_merged_dpo_7B-Mistral-7B-Instruct-v0.1 — чат-модель для генерации текста и ответов на инструкции, созданная слиянием Mistral AI и v1olet. В основе лежит плотная архитектура MistralForCausalLM с 7,1 млрд параметров; модели объединены методом SLERP, веса представлены в формате safetensors. Модель предназначена для диалоговых запросов и генерации ответов на естественном языке. Метаданные указывают английский язык и контекст до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробных ограничений, поэтому пригодность ответов для конкретной задачи следует проверять отдельно.

Valkyrie-V1 — языковая модель семейства Mistral, созданная CookinAI путём последовательного слияния весов методом SLERP. В первом слиянии использованы mindy-labs/mindy-7b-v2 и jondurbin/bagel-dpo-7b-v0.1, затем результат объединён с rishiraj/CatPPT. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста; заявленная длина контекста — 32 768 токенов. Модель можно применять для диалогов, написания и продолжения текста, а также для генерации ответов на текстовые запросы. README не описывает отдельные специализированные сценарии или языковое покрытие. Репозиторий распространяет веса в формате Safetensors, лицензия — Apache-2.0. Качество и ограничения конкретных сценариев в карточке не приведены.

vigostral-7b-chat-Mistral-7B-Instruct-v0.1 — диалоговая языковая модель на базе архитектуры Mistral, созданная слиянием Mistral-7B-Instruct-v0.1 и vigostral-7b-chat методом SLERP. Модель содержит 7,1 млрд параметров, представлена в формате safetensors и рассчитана на генерацию текста и ответы в чате; заявленный контекст — до 32 768 токенов. Модель подходит для диалогов и выполнения инструкций на французском языке. В README указаны базовая модель, вторая модель-источник, диапазоны слоёв и параметры слияния. Репозиторий распространяется по лицензии Apache-2.0.

Модель Avadhut7777/vision-finetuned — дообученная авторами Avadhut7777 версия языковой модели Qwen2.5-1.5B-Instruct, подготовленная с использованием Unsloth и библиотеки TRL от Hugging Face. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; она поддерживает контекст до 32 768 токенов и рассчитана на английский язык. Несмотря на название репозитория, в карточке не заявлена обработка изображений. Модель может применяться для диалоговых текстовых запросов и генерации ответов. В метаданных указана возможность интерфейса вызова инструментов, однако подробности настройки и качества этой функции не приведены. Модель распространяется по лицензии Apache-2.0. README не описывает конкретную область дообучения или результаты оценки, поэтому специализацию и качество для отдельных задач определить нельзя.

aqweteddy/xwin-7b_chatvec-tulu2 — текстовая причинная языковая модель семейства LLaMA с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров. Модель получена слиянием xwin7b и tulu2-ppo с использованием подхода Chat Vector, который переносит диалоговые возможности между моделями посредством разности весов. В карточке также описан исходный метод на базе LLaMA 2, исследованный преимущественно для традиционного китайского; конкретный основной язык этой объединённой модели не заявлен. Модель предназначена для генерации текста в диалогах и следования инструкциям. Контекст составляет 4096 токенов; доступен формат PyTorch. Метаданные указывают английский язык и лицензию Llama 2. Подробные оценки качества этой конкретной сборки и её ограничения в карточке не приведены.

Xwinter 120B — разговорная языковая модель, созданная llmixer как frankenmerge моделей Xwin-LM-70b-v0.1 и WinterGoddess-1.4x-70b. Слияние чередует слои двух моделей; заявленный размер — 117,5 млрд параметров. Модель построена на архитектуре Llama и распространяется в формате safetensors по лицензии Llama 2. Модель предназначена для генерации текста в диалоге и использует форматы запросов Vicuna и Alpaca. Карточка указывает английский язык и контекст длиной 4096 токенов. Слияние описано как небольшое обновление подхода Goliath с использованием более поздней версии WinterGoddess; сравнительные показатели качества не приведены.

MaziyarPanahi/YamshadowInex12_Experiment27Experiment28 — объединённая модель на архитектуре Mistral, созданная из automerger/YamshadowInex12-7B и automerger/Experiment27Experiment28-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель выпущена под лицензией Apache-2.0. В README не описаны специализированные области применения или подробные ограничения качества; фактические возможности зависят от исходных моделей и выбранного способа использования.

YamshadowInex12_Strangemerges_32Ogno — слитая модель MaziyarPanahi на базе двух моделей семейства Mistral: automerger/YamshadowInex12-7B и automerger/Strangemerges_32Ogno-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате Safetensors. Модель подходит для генерации продолжений и ответов на текстовые запросы. В карточке указана лицензия Apache-2.0. README не описывает специальные области применения или ограничения качества.

MaziyarPanahi/YamshadowInex12_YamNeuralsirkrishna — слитая языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель создана слиянием automerger/YamshadowInex12-7B и automerger/YamNeuralsirkrishna-7B. Репозиторий содержит веса в формате safetensors; лицензия — Apache 2.0. Данные карточки не уточняют языки, сценарии применения и сравнительные характеристики модели.

hongzoh/Yi-6B_Open-Orca — текстовая генеративная модель, дообученная на наборе Open-Orca/OpenOrca на основе 01-ai/Yi-6B. Модель содержит 5,8 млрд параметров и использует плотную архитектуру семейства Llama; для запуска указана библиотека Transformers и формат весов PyTorch. Модель предназначена для генерации текста и диалоговых ответов по текстовым запросам. Обучение на Open-Orca ориентирует её на следование инструкциям и ответы на вопросы на английском языке. Контекст составляет до 4096 токенов. Модель выпущена под лицензией Apache-2.0. Карточка содержит мало сведений о качестве и оценках модели; фактические результаты могут зависеть от запроса и настроек генерации.

hongzoh/Yi-6B_Open-Platypus-v2 — дообученная автором hongzoh языковая модель на базе 01-ai/Yi-6B. Она предназначена для генерации текста в ответ на инструкции; обучающий набор Open-Platypus содержит пары инструкций и ответов. Модель использует плотную архитектуру семейства LLaMA и содержит 5,8 млрд параметров. Модель принимает текст и генерирует текст. В метаданных указаны английский язык и контекст до 4096 токенов. Для использования описан загрузчик Transformers. Репозиторий содержит веса PyTorch и Safetensors и распространяется по лицензии Apache-2.0.

Yi-9B-Forest-DPO — языковая модель на 8,6 млрд параметров, созданная дообучением 01-ai/Yi-9B методом direct preference optimization (DPO). Модель разработана автором репозитория abhishekchohan и предназначена для генерации текста и ответов на запросы на естественном языке. Для дообучения использована смесь наборов Intel/orca_dpo_pairs, nvidia/HelpSteer и jondurbin/truthy-dpo-v0.1. Модель построена на плотной архитектуре семейства Llama и классе LlamaForCausalLM, работает с библиотекой Transformers и принимает контекст до 4096 токенов. В метаданных указан английский язык. Модель подходит для диалоговых ответов, следования инструкциям и генерации текста общего назначения. Репозиторий содержит веса в формате PyTorch; лицензия — Apache-2.0. Карточка не приводит отдельных результатов оценки качества, поэтому эффективность на конкретных задачах не подтверждена.

Yoda-WizardLM-2.3-7B — текстовая модель для генерации текста и диалогов, разработанная как дообученная версия amazingvince/Not-WizardLM-2-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; максимальная длина контекста составляет 32 768 токенов. Модель предназначена для сценариев генерации текста и общения на естественном языке. Модель распространяется в формате safetensors по лицензии Apache-2.0. Данные обучения и подробные сведения о поведении в README не описаны, поэтому качество и специализацию модели сверх генерации текста оценить нельзя.

YorkShire11 — языковая модель семейства Llama, созданная сообществом mergekit-community путём слияния моделей Sao10K/Fimbulvetr-11B-v2 и vicgalle/CarbonBeagle-11B. Для объединения предварительно обученных весов использован метод SLERP; конфигурация распределяет смешивание слоёв внимания и MLP между исходными моделями. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и работает через библиотеку Transformers. Модель предназначена для генерации текста и диалоговых ответов. Её можно использовать для чат-ботов, написания и продолжения текстов, а также ответов на запросы на естественном языке. Контекст ограничен 4096 токенами; в метаданных базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана. Качество, безопасность и ограничения конкретных сценариев применения в карточке не описаны.

Zebrafish-slerp-7B — текстовая авторегрессионная модель семейства Mistral, созданная mlabonne с помощью LazyMergekit. Это объединение методом SLERP моделей liminerity/M7-7b и rwitz/experiment26-truthy-iter-0; конфигурация задаёт слияние слоёв внимания и MLP, а базовой моделью указана liminerity/M7-7b. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории представлены веса Safetensors; метаданные указывают лицензию CC BY-NC 4.0, которая ограничивает коммерческое использование. README и метаданные не сообщают специальных гарантий качества или результатов оценки.

zephyr-gemma-2-9b-sft — диалоговая модель генерации текста, созданная tanliboy дообучением Google Gemma 2 9B на наборе HuggingFaceH4/ultrachat_200k. Она предназначена для общения в формате вопросов и ответов и генерации ответов на текстовые запросы. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и поддерживает контекст до 8192 токенов. В метаданных указан формат весов safetensors и лицензия Gemma. README приводит значение loss 1.0639 на оценочном наборе, но не описывает методику оценки или ограничения и не даёт оснований судить о качестве в конкретных сценариях.

ShenaoZ/0.00001_withdpo_4iters_bs256_531lr_iter_2 — разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров. Разработчик дообучил её на основе ZhangShenao/0.0_ablation_sample1_4iters_bs256_iter_1, используя обновлённый и исходный наборы данных; метаданные указывают на DPO и поддержку чата. Модель предназначена для генерации текста и диалоговых сценариев. Контекстное окно составляет 32 768 токенов. Репозиторий содержит веса Safetensors, лицензия — MIT. Карточка не описывает оценку качества, поддерживаемые языки или специальные ограничения, поэтому применимость модели к конкретным задачам следует проверять отдельно.

ShenaoZhang выпустил дообученную модель Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалогового общения; в качестве базовой модели указана HuggingFaceH4/mistral-7b-sft-beta, а для дообучения использованы наборы updated и original. Модель принимает и генерирует текст, поддерживает контекст до 32 768 токенов. Карточка не описывает конкретные сценарии обучения и оценки качества. Лицензия — MIT.

Это дообученная модель Mistral для генерации текста и общения в формате чата. Она содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и рассчитана на контекст до 32 768 токенов. Модель создана на основе HuggingFaceH4/mistral-7b-sft-beta и дообучена на наборе HuggingFaceH4/ultrafeedback_binarized. Модель подходит для диалоговых ответов и генерации текста. В карточке не описаны специализированные области применения и результаты оценки качества. Распространяется по лицензии MIT.

ShenaoZ/0.0001_sft_nodpo_4iters_bs256_555lr_iter_3 — дообученная авторами ShenaoZ разговорная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и ответов в чате; максимальная длина контекста составляет 32 768 токенов. Модель дообучена на наборах данных updated и original поверх ShenaoZ/0.0001_sft_nodpo_4iters_bs256_555lr_iter_2. Модель принимает текст и генерирует текст. Веса опубликованы в формате safetensors, лицензия — MIT. README не содержит подробностей об оценке качества и сценариях использования.

Это диалоговая модель генерации текста на базе Mistral с 7,1 млрд параметров, дообученная Shenao Zhang на наборах updated и original. Она предназначена для текстового общения и генерации ответов; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате Safetensors и использует лицензию MIT. README не приводит подробностей об обучении, оценке или рекомендуемых сценариях применения.