III.4Клиентская поддержка и customer success

Это плотная авторегрессионная языковая модель семейства Mistral, дообученная ShenaoZhang на базе HuggingFaceH4/mistral-7b-sft-beta с использованием обновлённого и исходного наборов данных. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для генерации текста в диалоговом формате. Модель подходит для общения и создания текстовых ответов на запросы. Карточка не приводит подробностей о составе обучающих данных и результатах оценки, поэтому качество на конкретных задачах и языках по этим данным определить нельзя. Распространяется по лицензии MIT.

ShenaoZ/0.001_ablation_6iters_iter_2 — диалоговая модель генерации текста, дообученная на базе ShenaoZ/0.001_ablation_6iters_iter_1 на обновлённом и исходном наборах данных. Это плотная Mistral-архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Репозиторий содержит веса в формате safetensors; лицензия — MIT. README не приводит сведений о конкретных сценариях применения, оценке качества или ограничениях модели.

ShenaoZ/0.001_sft_nodpo_3iters_bs256_531lr_iter_2 — разговорная языковая модель Mistral, дообученная на базе ShenaoZ/0.001_sft_nodpo_3iters_bs256_531lr_iter_1 на исходном и обновлённом наборах данных. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации текста в диалоговом формате. Родной контекст — до 32 768 токенов. Модель предназначена для генерации текста и ответов на вопросы в разговорных сценариях. README не приводит подробностей о качестве, оценке или конкретных целевых сценариях. Репозиторий распространяется в формате safetensors по лицензии MIT.

Это чат-модель для генерации текста, разработанная как дообученная версия ShenaoZhang/0.001_zephyr_5551_4iters_bs256_iter_1 на обновлённом и исходном наборах данных. Она построена на плотной архитектуре Mistral с 7,1 млрд параметров и предназначена для диалогов и генерации текста. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий распространяет веса в формате Safetensors по лицензии MIT. Сведения о конкретных сценариях применения, языковом покрытии и результатах оценки в карточке не приведены.

Модель ShenaoZ/0.01_ablation_4iters_bs256_iter_1 — дообученная версия Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана на основе HuggingFaceH4/mistral-7b-sft-beta и дообучена на датасете HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации текста и диалогового общения, включая ответы на вопросы. Поддерживает контекст длиной до 32 768 токенов. Карточка не описывает отдельные сильные стороны и ограничения модели; базовая модель обучена на англоязычных синтетических диалогах. Лицензия — MIT.

42dot LLM-SFT-1.3B — языковая модель компании 42dot, обученная следовать инструкциям на естественном языке. Это плотная causal language model на архитектуре Llama с 1,3 млрд параметров, представленная в форматах PyTorch и Safetensors; длина контекста — 4096 токенов. Модель получена supervised fine-tuning из 42dot LLM-PLM на вручную составленных парах инструкций или вопросов и ответов, включая многоходовые диалоги. Она предназначена для генерации ответов на запросы и ведения диалога; в карточке указаны английский и корейский языки. Распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование. Модель может галлюцинировать и выдавать ложную или вводящую в заблуждение информацию. Из-за данных веб-происхождения в предобучении возможны токсичные, вредные и предвзятые ответы.

Fischerboot/8-test — языковая модель для генерации текста и диалогов, созданная с помощью mergekit методом SLERP на основе Fischerboot/7-test. Это плотная модель архитектуры Llama с 5,5 млрд параметров, рассчитанная на контекст до 8192 токенов и работающая с текстом на входе и выходе. Метаданные отмечают поддержку диалогового режима; модель подходит для генерации ответов и продолжения текста. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана. Карточка не содержит сведений о языковых ограничениях и оценках качества, поэтому пригодность для конкретного языка и сценария следует проверять отдельно.

Модель DarianNLP/affect_of_removing_misalligned_examples-full — дообученная на TRL версия диалоговой языковой модели Meta Llama 3.2 3B Instruct. Это плотная модель семейства Llama с 3,2 млрд параметров, предназначенная для генерации текста в формате чата; в карточке приведён пример ответа на вопрос пользователя. По метаданным, контекстное окно составляет 131 072 токена, а веса опубликованы в формате safetensors для Transformers. Языковая поддержка и конкретные области применения именно этой дообученной версии не описаны; базовая модель мультиязычная. Модель распространяется по лицензии базовой модели, однако доступные данные не уточняют условия лицензирования этой копии.

Ahma-3B-Slerp — языковая модель для генерации текста, созданная объединением двух контрольных точек Ahma-3B с помощью LazyMergekit и метода slerp. Модель основана на архитектуре Llama и содержит 3,4 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет 2048 токенов; веса представлены в формате safetensors, а при слиянии использовалась точность bfloat16. Карточка не уточняет языковое покрытие и специализированные области применения. Условия лицензирования в предоставленных данных не описаны. Короткое окно контекста ограничивает работу с длинными запросами и документами.

AISquare-Instruct-llama2-koen-13b-v0.9.24 — плотная языковая модель семейства Llama с 12,9 млрд параметров, разработанная командой UI Platform компании Inswave Systems. Она создана на основе beomi/llama2-koen-13b с применением SFT и DPO и предназначена для генерации текста в формате инструкций. Модель принимает текст и генерирует текст. В метаданных указан английский язык, а базовая модель относится к корейско-английскому семейству; заявленный контекст — 2048 токенов. Карточка показывает загрузку через Transformers и веса в формате Safetensors. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование. Контекст 2048 токенов ограничивает длину запроса и ответа; README не приводит оценок качества или подробного перечня поддерживаемых сценариев.

Aeala/Alpaca-elina-65b — текстовая авторегрессионная модель семейства LLaMA на 65 млрд параметров, созданная как слияние ChanSung/Alpaca-LoRA-65B-elina. Она предназначена для генерации текста и диалоговых сценариев в стиле Alpaca. Модель использует архитектуру LlamaForCausalLM, распространяется в формате PyTorch и рассчитана на контекст до 2048 токенов. В карточке указано, что её отправили на Open LLM Leaderboard; результаты бенчмарков в README пока не приведены. Лицензия и отдельные сведения о языках в доступных данных не указаны, поэтому условия использования и качество для конкретных языков определить нельзя.

PRAli22/AraBert-Arabic-Sentiment-Analysis — модель классификации текста на основе AraBERT, дообученная для анализа тональности на неизвестном наборе данных. Она предназначена для определения тональности арабских текстов; архитектура — BERT для классификации последовательностей, размер — 162,4 млн параметров, максимальный контекст — 512 токенов. На оценочном наборе указаны Macro F1 0,6543 и точность 0,8003. Модель распространяется по лицензии Apache-2.0.

Карточка модели EpistemeAI/Athena-gemma-2-9b-it на Hugging Face совпадает с карточкой EpistemeAI/Athena-gemma-2-9b-it-Philos, поэтому описание составлено по ней. Athena-gemma-2-9b-it-Philos — чат-модель EpistemeAI, дообученная на базе unsloth/gemma-2-9b-it-bnb-4bit с помощью Unsloth и Hugging Face TRL. Это плотная языковая модель Gemma 2 с 9 млрд параметров, предназначенная для генерации текста в диалоге. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Карточка не описывает философскую специализацию модели или конкретные обучающие данные, поэтому название не подтверждает её пригодность для специализированных философских задач. Модель распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth и TRL.

Aura-Llama-Abliterated — разговорная языковая модель от SteelStorage, построенная на основе failspy/Llama-3-8B-Instruct-abliterated. Автор описывает её как слияние с использованием метода depth up-scaling: слои Llama 3 повторно размещены в расширенной архитектуре. В метаданных указано 10,1 млрд параметров, архитектура LlamaForCausalLM и контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста. Базовая модель модифицирована для ослабления отказов; опубликованные оценки для abliterated-версии не приведены, а README отмечает, что модель ещё не дообучалась после слияния. Доступна в формате safetensors по лицензии Apache-2.0.

DreadPoor/Aurora_faustus-8B-LINEAR — диалоговая языковая модель на архитектуре Llama, созданная разработчиком DreadPoor линейным слиянием нескольких предварительно обученных моделей через mergekit. В состав слияния вошли DreadPoor/Aspire-8B-model_stock, DreadPoor/Heart_Stolen-8B-Model_Stock и DreadPoor/WIP-TEST_PENDING_4. Веса представлены в формате Safetensors; число параметров — 7,5 млрд, контекст — до 8192 токенов. Модель предназначена для генерации ответов в диалоге и свободного текста. В карточке приведены результаты оценок на IFEval и BBH, но они сами по себе не гарантируют качество в конкретных задачах. Метаданные не указывают основной язык. Модель распространяется по лицензии Apache 2.0.

AsphyXIA/baarat-MTK — дообученная языковая модель семейства Llama, разработанная AsphyXIA на базе baarat-MTK. Она предназначена для генерации текста; карточка не уточняет специализацию или конкретные сценарии применения. Модель содержит 6,7 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Карточка не описывает результаты оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

batisay-ko-turbo — разработанная BatiAI корейская модель распознавания речи на базе Whisper large-v3-turbo с 809 млн параметров, дообученная на корейской речи из нескольких предметных областей. Она предназначена для локальной расшифровки телефонных звонков, совещаний, лекций и повседневных разговоров; модель принимает аудио и выдаёт текст. Для запуска рекомендуются whisper.cpp и, на Apple Silicon, вариант MLX. В README приведены результаты на отдельных тестах, включая CER 5,67% на доменном наборе колл-центра и 17,1% для ggml q5_0 на небольшом наборе реальных звонков; эти цифры относятся к описанным выборкам и настройкам. Базовая версия обучена на отобранных примерно 4 300 часах данных, включая обычную речь, совещания, лекции, разговоры и телефонную речь с частотой 8 кГц. Репозиторий предлагает варианты ggml q5_0 и q4_0, а README рекомендует q5_0 как компромисс размера, скорости и качества. Карточка указывает лицензию BatiAI Community v2: личное, внутреннее, исследовательское, некоммерческое и государственное использование разрешено; для внешнего SaaS, перепродажи и некоторых коммерческих случаев требуется согласование с разработчиком.

Модель nateraw/bert-base-uncased-emotion — дообученная для классификации эмоций версия bert-base-uncased. Она принимает текст и определяет эмоциональную категорию; модель обучена на датасете emotion с помощью PyTorch Lightning. Архитектура — BERT для классификации последовательностей, размер — 136,7 млн параметров, максимальная длина контекста — 512 токенов. Доступны веса PyTorch и Flax; модель рассчитана на английский язык. Модель подойдёт для определения эмоций в коротких сообщениях, отзывах и других текстах. В README приведена точность на валидации 0,931, однако автор отмечает, что метрика не заменяет precision, recall и F1; также автор характеризует модель как не лучшую и сообщает, что код обучения недоступен. Лицензия — Apache-2.0.

JeremiahZ/bert-base-uncased-sst2 — модель классификации текста, дообученная на наборе GLUE SST-2 на базе BERT Base Uncased. Она предназначена для определения тональности коротких англоязычных текстов, например отзывов и комментариев. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. На оценочной выборке SST-2 указаны loss 0,2478 и accuracy 0,9323. Модель опубликована в форматах PyTorch и Safetensors под лицензией Apache-2.0. Карточка не уточняет ограничения за пределами результатов на SST-2; качество на других жанрах и языках этими метриками не подтверждается.

KnutJaegersberg/black_goo_recipe_e — плотная языковая модель семейства Llama с 3,3 млрд параметров и контекстом 8192 токена, опубликованная в формате PyTorch. Карточка показывает пример диалога с инструкцией и ответом, поэтому модель предназначена для генерации текста по запросам, включая ответы на вопросы и выполнение инструкций. Модель поддерживает задачи text-generation и text-classification согласно метаданным каталога; основная задача Hugging Face — text-generation. Данных о языковом охвате и специальной предметной области в карточке нет. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

BLOSSOM-v2-3b — диалоговая языковая модель, разработанная на основе предварительно обученной BLOOM-3b и дообученная следованию инструкциям на смешанных наборах Blossom, Wizard и Dolphin. Обучение проходило в два этапа: сначала на наборах одношаговых инструкций Wizard и Dolphin, затем на многошаговых диалогах Blossom Chat и примерах по математике Blossom Math. Модель предназначена для генерации ответов в диалоговом формате, в том числе для многоходовых бесед и решения математических запросов. Она принимает текст и генерирует текст; карточка указывает китайский и английский языки. Модель содержит 3,8 млрд параметров, использует архитектуру BLOOM и распространяется в формате PyTorch. Для запуска применяется шаблон продолжения диалога с разделителями ролей Human и Bot; в истории беседы после ответа Bot требуется добавлять токен </s>. Лицензия — Apache-2.0. README не приводит оценок качества или подробностей о вычислительных требованиях.

BLOSSOM-v5-9b — разговорная языковая модель семейства Llama, разработанная командой Blossom и дообученная на базе Yi-9B. Модель содержит 8,6 млрд параметров, принимает текст и генерирует продолжение диалога; её контекст составляет 4096 токенов. Модель предназначена для диалоговых ответов, следования инструкциям, решения математических задач и общего понимания текста на китайском и английском языках. Обучение прошло в два этапа на наборах Blossom Wizard, Orca, Math и Chat; по README, данные включали примеры, дистиллированные из GPT-4-0125-preview. Репозиторий содержит веса safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов сравнительной оценки качества; заявленные общие способности и улучшения не сопровождаются бенчмарками.

BLOSSOM-v5-llama3-8b — разговорная языковая модель, разработанная командой Blossom и дообученная на базе Meta-Llama-3-8B. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 8192 токенов; она принимает текст и генерирует текст в формате продолжения диалога. Модель предназначена для общения и ответов на вопросы на китайском и английском языках. В обучении использовались смешанные наборы Blossom Orca, Wizard, Chat и Math: сначала одноходовые инструкции, затем многоходовые диалоги. README сообщает, что данные для обучения были дистиллированы из gpt-4-0125-preview. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка описывает её как обладающую общими возможностями и пониманием контекста, но не приводит результатов независимых оценок; качество ответов может различаться в зависимости от задачи.

skriv/bondlm — дообученная skriv чат-модель для генерации текста на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Она построена на плотной архитектуре Llama и содержит 7,5 млрд параметров. Модель подходит для диалогов и генерации ответов на текстовые запросы; при обучении использовались Unsloth и библиотека TRL. В метаданных указан контекст до 131 072 токенов и поддержка английского языка. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает специализированную предметную область или отдельные преимущества дообучения, поэтому качество для конкретных сценариев следует оценивать самостоятельно.

BrokenKeyboardMerge — объединённая языковая модель автора dhanushreddy29, созданная из dhanushreddy29/BrokenKeyboard и udkai/Turdus с помощью LazyMergekit. Конфигурация passthrough берёт слои 0–15 из первой модели и слои 16–31 из второй; архитектура — плотная LlamaForCausalLM с 7,1 млрд параметров, веса сохранены в Safetensors, контекст — до 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов. В README приведены результаты Open LLM Leaderboard, включая средний балл 59,33, но эти оценки сами по себе не гарантируют качество в конкретном сценарии. Указана лицензия CC BY-NC 4.0, допускающая использование с атрибуцией и ограничением на коммерческое применение.

Модель ceiteach/chart-no-pretrain-llama31-merged-unsloth — дообученная плотная авторегрессионная языковая модель семейства Llama 3.1, разработанная ceiteach на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и может применяться в сценариях продолжения текста и создания ответов на текстовые запросы. Модель содержит 7,5 млрд параметров, работает с текстом и поддерживает контекст до 131 072 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Специализированные области применения и дополнительные возможности в карточке не описаны.

ChatBerry — дообученная artindnr чат-модель на архитектуре gpt_oss, предназначенная для прямых ответов без отдельного канала рассуждений. Она создана на основе artindnr/strawberry-1, а тот, согласно карточке, дообучен от openai/gpt-oss-20b. Модель содержит 1,6 млрд параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. Модель предназначена для общих диалоговых помощников на фарси и английском, а также для многоязычного чата и сценариев, где нужны краткие ответы без отображения цепочки рассуждений. Автор указывает, что ChatBerry обучена на крупнейшем наборе данных в семействе и улучшает следование инструкциям по сравнению с предыдущими версиями линейки; независимые результаты оценки в карточке не приведены. Модель распространяется по лицензии Apache 2.0. Она может ошибаться и наследует ограничения базовой модели; явное пошаговое рассуждение не выводит. В README также отмечено отсутствие дополнительной настройки безопасности сверх унаследованной от базовых моделей.

Chocolatine-14B-Instruct-DPO-v1.1 — языковая модель Jonathan Pacifico, созданная в 2024 году методом DPO-донастройки Microsoft Phi-3-medium-4k-instruct на наборе jpacifico/french-orca-dpo-pairs-revised. Это плотная авторегрессионная модель семейства Phi-3 с 13,8 млрд параметров, рассчитанная на диалог и генерацию текста на французском и английском языках; длина контекста — 4096 токенов. Модель предназначена для ведения диалогов и ответов на запросы. Автор сообщает, что обучение на французских данных также улучшило результаты на английском, а версия 1.1 превосходит базовую модель и предыдущую версию на MT-Bench; приведённые в карточке оценки не сопровождаются подробностями методики. Модель не имеет механизма модерации, поэтому её ответы могут требовать проверки. Лицензия — MIT.

Deacon-1b — языковая модель KnutJaegersberg для генерации текста, созданная дообучением appvoid/palmer-001 в течение трёх эпох с применением Neftune. Это плотная авторегрессионная модель семейства Llama с 1 млрд параметров, рассчитанная на контекст до 2048 токенов. В карточке приведён шаблон диалога с системной инструкцией, пользовательским запросом и ответом, а также результаты оценки на бенчмарках рассуждений и понимания текста. Модель подходит для генерации ответов на инструкции и общих текстовых запросов. Веса опубликованы в формате safetensors; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. В README приведены лишь отдельные результаты Open LLM Leaderboard, поэтому они не дают полной оценки качества модели.

Это диалоговая языковая модель семейства Qwen3, разработанная авторами репозитория laion/delphi-9e19-p67m33-k0p20-lr83-a002-magpie_lr1e5-sft. Модель с 1,2 млрд параметров обучена с нуля на наборах данных magpie и delphi_warmup и предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст; заявленная длина контекста — 4096 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Языковая поддержка и специализированные области применения в карточке не описаны. Лицензия указана как other, поэтому условия использования следует сверить с материалами репозитория.