III.4Клиентская поддержка и customer success

Kukedlc/LLaMa-3-8b-en-es-v1 — дообученная Kukedlc модель семейства Llama 3 для генерации текста. Она основана на mlabonne/ChimeraLlama-3-8B-v3, имеет около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и может применяться для диалогов, ответов на вопросы и других текстовых сценариев. В карточке указаны английский язык и название версии en-es, однако отдельные сведения о качестве поддержки испанского не приведены. Модель распространяется по лицензии Apache-2.0.

AI Sweden Models дообучила эту плотную языковую модель семейства Llama 3 на базе AI-Sweden-Models/Llama-3-8B. Модель содержит 7,5 млрд параметров, предназначена для генерации текста и поддерживает диалоговый режим; заявленные языки — шведский, датский и норвежский. Контекст составляет до 8192 токенов. Модель подходит для диалогов и генерации текстов на этих языках. Обучение проводилось на суперкомпьютере LUMI в рамках проекта DeployAI EU. Модель распространяется по лицензии Llama 3; условия лицензии следует соблюдать при её использовании.

Llama-3-DARE-v1-8B — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом DARE TIES. В качестве основы использована meta-llama/Meta-Llama-3-8B, а также в объединение включена meta-llama/Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговые сценарии. Модель принимает текст и выдаёт текст; для неё заявлено контекстное окно до 8192 токенов. Она подходит для диалоговых ответов и генерации текста общего назначения. Базовая модель описана как англоязычная, поэтому поддержка других языков этими данными не подтверждается. Модель доступна в формате safetensors для Transformers. Лицензия указана как «other», поэтому условия использования следует проверять в карточке репозитория Hugging Face.

SKYEEEE/llama3-Ko-3-8B-finetuned_ver2 — чат-модель для генерации текста, созданная SKYEEEE дообучением beomi/Llama-3-Open-Ko-8B-Instruct-preview. Она основана на плотной архитектуре Llama и содержит 7,5 млрд параметров; карточка указывает обучение с Unsloth и библиотекой TRL. Модель предназначена для диалоговых ответов и генерации текста. Базовая модель ориентирована на корейский и английский языки; метаданные этой модели отмечают английский. Контекстное окно составляет 8192 токена. Модель распространяется под лицензией Apache-2.0.

VIRNECT разработала разговорную языковую модель на архитектуре Llama 3, дообученную на базе MLP-KTLim/llama-3-Korean-Bllossom-8B. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста в диалоговом формате; карточка также указывает обучение на данных AI Hub для улучшения работы с корейским языком. Модель принимает текст и генерирует текст. Указанная длина контекста — 8192 токена. В метаданных отмечены корейский и английский языки. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия указана как llama3.

RDson/Llama-3-Magenta-Instruct-4x8B-MoE — экспериментальная разговорная языковая модель на архитектуре MixtralForCausalLM с разреженной смесью экспертов (MoE), созданная с помощью Mergekit на основе четырёх моделей Llama 3 8B: Meta-Llama-3-8B-Instruct, Llama3-ChatQA-1.5-8B, SFR-Iterative-DPO-LLaMA-3-8B-R и Llama3-8B-OpenHermes-DPO. Репозиторий содержит веса в формате safetensors; модель предназначена для генерации текста в диалогах. По метаданным, общий размер составляет 7,5 млрд параметров, а контекст — 8192 токена. Модель может подойти для ведения диалогов и генерации ответов на запросы. В карточке автор называет её экспериментальной и указывает на более новую версию Llama-3-Peach-Instruct-4x8B-MoE. Лицензия в предоставленных данных не указана.

grimjim выпустил Nephilim v3 — объединённую с помощью mergekit языковую модель на архитектуре Llama 3. В основу слияния легла grimjim/Llama-3-Instruct-8B-SPPO-Iter3-SimPO-merge, также в него включена tokyotech-llm/Llama-3-Swallow-8B-Instruct-v0.1. Модель содержит 7,5 млрд параметров, рассчитана на контекст до 8192 токенов и распространяется в формате safetensors; библиотека для работы — Transformers. Модель предназначена для диалоговой генерации текста и может применяться для ролевых сценариев и творческого продолжения текста. Автор отмечает, что компоненты слияния не обучались специально для ролевых игр, а формат инструкций иногда вызывает несогласованность; рекомендует использовать подходящий instruct-промпт и подбирать температуру генерации. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями на коммерческое применение.

Cas-Warehouse/Llama-3-SOVL-MopeyMule-Blackroot-8B — текстовая генеративная модель, созданная слиянием моделей Casual-Autopsy с помощью mergekit. В основе с весом 0,75 использована Casual-Autopsy/Llama-3-MopeyMule-Blackroot-8B, а Casual-Autopsy/Llama-3-SOVL-MopeyMule-8B добавлена с весом 0,25 методом task arithmetic. Модель построена на плотной архитектуре Llama и классе LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Она предназначена для генерации текста и диалогового взаимодействия. В репозитории указаны формат safetensors и библиотека Transformers; языки и специализированные области применения в предоставленных данных не описаны. Лицензия в предоставленных данных не указана. Качество и поведение слияния зависят от исходных моделей и весов, использованных при объединении.

Llama3-ViettelSolutions-8B — авторегрессионная языковая модель на архитектуре Llama, разработанная Viettel Solutions при финансировании NVIDIA. Она создана на базе Meta Llama 3 8B: модель продолжительно предобучали на курируемом вьетнамском корпусе, а затем дообучили с учителем на 5 млн примеров вьетнамских инструкций. В репозитории указано 7,5 млрд параметров; модель использует Transformers и формат safetensors, её контекст составляет 8192 токена. Модель предназначена для генерации текста и выполнения инструкций на вьетнамском и английском языках: например, для диалога, ответов на вопросы и написания текстов. Для запуска в README приведён пример с Transformers и bfloat16. Метрики и результаты оценки не представлены, поэтому качество на отдельных задачах по карточке оценить нельзя. Модель распространяется по Llama 3 Community License; перед использованием следует учитывать её условия и ограничения.

kevin009/llamamath11 — дообученная разработчиком kevin009 плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров. Модель основана на kevin009/llamamathv8; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалогов на английском языке. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 8192 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. README не уточняет специализацию по математике, поэтому её нельзя надёжно определить по доступным сведениям.

Llama-portuguese-13b-Luana-v0.2 — диалоговая языковая модель, разработанная rhaymison и дообученная на базе meta-llama/Llama-2-13b-chat-hf. По карточке, обучение включало супerset из 200 тысяч инструкций на португальском языке; модель ориентирована главным образом на выполнение инструкций и генерацию ответов на португальском. Это плотная архитектура Llama с 12,9 млрд параметров и контекстом 4096 токенов, представлена в формате safetensors и рассчитана на использование через Transformers. Модель подходит для чат-ассистентов, ответов на вопросы и выполнения пользовательских инструкций на португальском. В карточке приведены результаты Open Portuguese LLM Leaderboard, включая оценки для ENEM и BLUEX без изображений. Указана лицензия Apache-2.0. Возможность квантования до 4 или 8 бит описана как способ использования, а не как формат опубликованных весов.

ArthurSrz/LLMTwin-Llama-3.1-8B — текстовая плотная авторегрессионная модель семейства Llama, дообученная ArthurSrz на базе meta-llama/Llama-3.1-8B. Модель предназначена для генерации текста и диалоговых сценариев; карточка указывает обучение с помощью Unsloth и TRL. Размер составляет 7,5 млрд параметров, нативный контекст — 131 072 токена. Модель работает с текстом и заявлена для английского языка. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Данных о специализированных областях применения или сравнительных оценках качества в карточке нет.

Карточка модели NiuTrans/LMT-60-0.6B-Base на Hugging Face совпадает с карточкой NiuTrans/LMT-60-0.6B, поэтому описание составлено по ней. LMT-60-0.6B — модель машинного перевода от команды NiuTrans, дообученная на базе NiuTrans/LMT-60-0.6B-Base. Она относится к плотной архитектуре Qwen3ForCausalLM, содержит около 507,9 млн параметров и принимает контекст до 32 768 токенов. Модель входит в семейство LMT-60, обученное на 90 млрд токенов; семейство рассчитано на перевод между 60 языками в 234 направлениях с особым вниманием к китайскому и английскому языкам. Модель предназначена для многоязычного перевода текстов, включая языки с высоким, средним и низким объёмом ресурсов. Её можно использовать для перевода документов, сообщений и пользовательского контента между поддерживаемыми языками. Карточка заявляет конкурентное качество среди моделей с сопоставимым языковым охватом, но не приводит здесь конкретных метрик для этого чекпойнта. Выпущена под лицензией Apache-2.0.

Карточка модели NiuTrans/LMT-60-4B-Base на Hugging Face совпадает с карточкой NiuTrans/LMT-60-0.6B, поэтому описание составлено по ней. LMT-60-0.6B — модель машинного перевода от команды NiuTrans, дообученная на базе NiuTrans/LMT-60-0.6B-Base. Она относится к плотной архитектуре Qwen3ForCausalLM, содержит около 507,9 млн параметров и принимает контекст до 32 768 токенов. Модель входит в семейство LMT-60, обученное на 90 млрд токенов; семейство рассчитано на перевод между 60 языками в 234 направлениях с особым вниманием к китайскому и английскому языкам. Модель предназначена для многоязычного перевода текстов, включая языки с высоким, средним и низким объёмом ресурсов. Её можно использовать для перевода документов, сообщений и пользовательского контента между поддерживаемыми языками. Карточка заявляет конкурентное качество среди моделей с сопоставимым языковым охватом, но не приводит здесь конкретных метрик для этого чекпойнта. Выпущена под лицензией Apache-2.0.

Это конвертированные файлы модели машинного перевода MADLAD-400 3B в архитектуре T5 для Transformers. Репозиторий подготовил iliemihai; в README отмечена благодарность jbochi за публикацию Colab и кода конвертации. Модель предназначена для перевода текста между языками; карточка относит её к генерации текста по текстовому входу. В метаданных указаны 731,9 млн параметров, контекст 256 токенов, форматы PyTorch и safetensors и лицензия Apache-2.0. Языковые теги и карточка перечисляют английский, португальский, испанский, немецкий и итальянский. Короткий контекст ограничивает обработку длинных фрагментов; сведения о качестве и поддержке конкретных языковых пар в карточке не приведены.

Magnum v3 34B — разговорная языковая модель Anthracite, девятая в серии моделей, настроенных на воспроизведение качества прозы Claude 3 Sonnet и Opus. Это полноразмерное дообучение Yi-1.5-34B-32K с архитектурой LlamaForCausalLM: модель содержит 33,9 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации диалоговых ответов и связной прозы, в том числе в сценариях ролевого общения. Она настроена на формат ChatML; в README рекомендована настройка min_p 0,2 для генерации. Модель использует только текстовый ввод и выдаёт текст. Модель распространяется по лицензии Apache-2.0. Результаты оценки на Open LLM Leaderboard приведены в карточке, но сами по себе не гарантируют качество в конкретных задачах. Подробности о безопасности и практических ограничениях в карточке не раскрыты.

maid-yuzu-v2-alter — объединённая модель языковых моделей, созданная автором репозитория с помощью mergekit. Она предназначена для генерации текста и диалоговых ответов. Модель построена на архитектуре Mixtral с классом MixtralForCausalLM и объединяет smelborp/MixtralOrochi8x7B и ycros/BagelMIsteryTour-v2-8x7B методом SLERP; файлы представлены в формате safetensors. В метаданных указаны 7,1 млрд параметров и контекст длиной до 32 768 токенов. Базовая модель описана как ориентированная на генерацию ответов и диалоги на английском языке с широкими ограничениями на содержание, поэтому английский — основной язык для практического применения. Это эксперимент по объединению моделей; отдельные оценки качества и подробные ограничения не приведены. Условия лицензии в доступных сведениях не указаны.

mamba-gpt-7b-v1-Mistral-7B-Instruct-v0.1 — объединённая разговорная языковая модель на 7,1 млрд параметров, созданная слиянием Mistral-7B-Instruct-v0.1 и CobraMamba/mamba-gpt-7b-v1 методом SLERP. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель использует плотную архитектуру Mistral и доступна в формате safetensors; заявленная длина контекста — 32 768 токенов. Модель можно применять для диалоговых ассистентов, ответов на вопросы и генерации текста по запросу. В карточке указаны английский язык и лицензия Apache-2.0. README не приводит результатов оценки качества или подробного сравнения со смешанными моделями, поэтому практическую эффективность для отдельных сценариев по этим данным определить нельзя.

MasherAI-v6.1-7B-checkpoint3-code4 — дообученная плотная языковая модель семейства Mistral, опубликованная mahiatlinux. Она предназначена для генерации текста и диалогов на английском языке; поддерживает контекст до 32 768 токенов и содержит 7,1 млрд параметров. Модель обучалась с использованием Unsloth и библиотеки TRL. Репозиторий распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. В карточке заявлена генерация текста; конкретная специализация версии code4 не описана.

MasherAI-v6-7B — разговорная языковая модель, разработанная mahiatlinux на основе mahiatlinux/ShadowDolph-7B-v1. Это дообученная плотная Mistral-модель с 7,1 млрд параметров, рассчитанная на генерацию текста и многошаговый диалог. Она использует формат ChatML и поддерживает системные инструкции в диалоге; в метаданных указан контекст длиной 32 768 токенов и английский язык. В README описано дообучение на наборах philschmid/guanaco-sharegpt-style и mahiatlinux/maheswar_credits_ShareGPT. Модель предназначена для общения с пользователем, ответов на вопросы, советов и свободной генерации текста. Лицензия — Apache-2.0. Заявления README о точности и надёжности не сопровождаются приведёнными в доступных данных количественными результатами; качество ответов и достоверность фактов могут варьироваться.

MeliodasPercival_01_Experiment24Experiment26 — объединённая модель генерации текста, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment24Experiment26-7B. Это плотная Mistral-модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README подтверждает объединение указанных моделей, но не описывает специальные области применения или дополнительные возможности; качество и ограничения не охарактеризованы.

tklohj/merged_8b_llama — объединённая модель генерации текста на архитектуре Llama, созданная автором репозитория с помощью mergekit методом линейного слияния весов llama-3-Korean-Bllossom-8B и Meta-Llama-3-8B-Instruct. Модель содержит около 7,5 млрд параметров и рассчитана на диалоговую генерацию текста; в качестве сценариев подходят ответы на вопросы и создание текста на корейском и английском языках. Модель принимает текст и выдаёт текст, имеет контекст длиной до 8192 токенов и распространяется в формате safetensors. В метаданных указана библиотека Transformers. Лицензия в доступных данных не указана.

mergekit-community/mergekit-passthrough-ywynqau — объединённая языковая модель, созданная сообществом с помощью mergekit методом passthrough на основе unsloth/phi-4 и bunnycore/Phi-4-RP-lora_model. Модель построена на архитектуре LlamaForCausalLM и содержит 14,1 млрд параметров; веса представлены в формате safetensors и bf16. Она предназначена для генерации текста и диалоговых сценариев. Контекст составляет до 16 384 токенов; сведения о поддерживаемых языках и конкретных возможностях объединённой модели в карточке не приведены. Лицензия в предоставленных данных не указана.

mergekit-community/mergekit-slerp-fmrazcr — языковая модель на архитектуре Llama, созданная сообществом методом SLERP с помощью mergekit. В объединении использованы Khetterman/Kosmos-8B-v1 и DreadPoor/Elusive1.2-8B-Model_Stock; в конфигурации базовой указана Khetterman/Kosmos-8B-v1. Модель содержит около 7,5 млрд параметров и рассчитана на генерацию текста, включая диалоговые и творческие сценарии. Контекстное окно составляет 8192 токена. Модель принимает текст и выдаёт текст. Согласно описанию базовой модели, она предназначена для общения и творческих ролевых диалогов на русском и английском языках. Веса опубликованы в формате safetensors и представлены в bfloat16. Лицензия в предоставленных данных не указана.

aliRafik/Meta_Llama_3.2_1B_labonne_16bit — дообученная автором aliRafik языковая модель для генерации текста и диалогового общения. Она основана на unsloth/llama-3.2-1b-instruct-unsloth-bnb-4bit и использует плотную архитектуру LlamaForCausalLM с 1,2 млрд параметров. Модель обучали с использованием Unsloth и библиотеки TRL; опубликованные веса представлены в формате safetensors. Модель подходит для генерации ответов и ведения диалогов на английском языке. Заявленная длина контекста — 131072 токена. Репозиторий распространяется по лицензии Apache-2.0; описание не уточняет особенности дообучения или результаты оценки качества.

Mindy-7b-v2 — языковая модель Mindy Group, Inc., полученная слиянием AIDC-ai-business/Marcoroni-7B-v3 и Weyaxi/Seraph-7B. Это плотная Transformer-модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Репозиторий содержит веса в формате safetensors; заявленная длина контекста — 32 768 токенов. Модель рассчитана на англоязычные сценарии генерации текста. Лицензия — Apache-2.0. В карточке нет подробных сведений о качестве, обучающих данных или специализированных возможностях; применимость к конкретной задаче следует проверять отдельно.

shitshow123/mistral7b_sft_dpo — разговорная языковая модель семейства Mistral, представленная в формате Safetensors. По метаданным, она содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом режиме. Репозиторий не содержит описания обучения или сведений, подтверждающих, что именно SFT и DPO применялись при создании модели; эти методы не выводятся из одного лишь названия. Указана лицензия Apache-2.0. Карточка не приводит оценок качества, инструкций по применению или ограничений сверх характеристик, сообщённых в метаданных.

Minbyul/mistral-7b-wo-kqa_golden-iter-sft-step1 — дообученная модель генерации текста на базе mistralai/Mistral-7B-v0.1. Она создана с использованием набора HuggingFaceH4/deita-10k-v0-sft; в README приведено значение loss 1,1981 на наборе оценки. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. README не уточняет специализацию, целевую аудиторию или результаты на конкретных прикладных задачах, поэтому её можно описать только как дообученную языковую модель общего назначения. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

STaR-GATE — дообученная языковая модель из основного эксперимента исследовательской работы «STaR-GATE: Teaching Language Models to Ask Clarifying Questions». Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текст и рассчитана на диалоговое применение с контекстом до 32 768 токенов. Модель предназначена для диалогов, в которых нужно уточнить неявные предпочтения пользователя, прежде чем выполнять задачу, а затем подготовить персонализированный ответ. Авторы обучали её итеративно на синтетических примерах с персонами и задачами, вознаграждая вопросы, повышающие вероятность качественных ответов. В описанном эксперименте ответы после такого самоулучшения предпочитались ответам исходной модели в 72% задач. Модель распространяется в формате safetensors по лицензии MIT. Для получения ожидаемого поведения авторы рекомендуют использовать промпты для elicitation и генерации финального ответа, приведённые в приложении к статье; результаты описаны в контексте исследовательского эксперимента.

aqweteddy/mistral_tv-neural-marconroni — объединённая языковая модель на базе Mistral 7B, сочетающая чат-векторные компоненты Neural-Chat и Marconroni. В README описан подход Chat Vector: он переносит чат-поведение в языковую модель с помощью слияния весов, без отдельного цикла дообучения для получения новых диалоговых возможностей. Метаданные указывают на плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов, включая выполнение инструкций и многоходовое общение. README приводит результаты оценки на наборах задач рассуждения и здравого смысла, но не уточняет отдельные показатели именно этой модели, кроме среднего результата и оценок по двум тестам. В карточке указан английский язык; описание подхода Chat Vector посвящено также китайскому и корейскому языкам, но поддержка этих языков данной сборкой не подтверждена. Репозиторий содержит веса Safetensors, лицензия — MIT.