III.4Клиентская поддержка и customer success

radlab/pLLama3.2-3B — плотная языковая модель семейства Llama, дообученная radlab на базе meta-llama/Llama-3.2-3B-Instruct. Модель содержит 3,2 млрд параметров и рассчитана на контекст до 131 072 токенов; репозиторий предоставляет веса в формате safetensors. Модель дообучена для общения на польском языке и выполнения инструкций: она предназначена для диалогов, ответов на вопросы и генерации польского текста. В README описан этап дообучения на корпусе примерно из 650 тысяч польских инструкций; эта версия не обозначена как прошедшая отдельный этап DPO. Метаданные также отмечают интерфейс вызова инструментов. Лицензия — Llama 3.2, условия которой следует учитывать при использовании и распространении модели. Описанные данные и сравнительное утверждение об улучшении точности общения приведены разработчиком; независимые оценки качества в карточке не представлены.

ProMario3 — объединённая диалоговая языковая модель на архитектуре Mistral, созданная jefferylovely с помощью LazyMergekit. Она объединяет eren23/dpo-binarized-NeutrixOmnibe-7B и jefferylovely/ProMario2 методом SLERP; базовая модель NeutrixOmnibe-7B была дообучена методом DPO. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, а её контекст достигает 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель предназначена для диалоговой генерации ответов и продолжения текста в универсальных сценариях. Карточка не приводит результатов оценки качества или специализированных областей применения. Лицензия CC BY-NC-ND 4.0 ограничивает использование некоммерческими условиями и запрещает распространение производных материалов; перед применением следует учитывать её условия.

Protoss-a — языковая модель LinjunChen123, дообученная на базе Qwen/Qwen3-1.7B с помощью H2O LLM Studio. Это плотная авторегрессионная модель семейства Qwen3 с 1,7 млрд параметров; она принимает текст и предназначена для диалоговой генерации текста. Репозиторий указывает контекст до 40 960 токенов и формат весов Safetensors. Модель можно применять для ведения диалогов, составления черновиков и ответов на текстовые запросы. В README приведён пример загрузки через Transformers; также описана возможность загрузки с 8-битной или 4-битной квантизацией и распределения по нескольким GPU. Модель может выдавать ошибочные, бессвязные или нерелевантные ответы и воспроизводить предвзятый либо оскорбительный контент. Лицензия в предоставленных данных не указана.

ayjays132/Quantum-NeuralAdaptiveLearningSystem — англоязычная модель классификации текста на основе BERT, предназначенная прежде всего для анализа тональности. В README описана гибридная схема с квантовым модулем и нейронной сетью; в метаданных архитектура указана как BertForSequenceClassification, размер — 136,8 млн параметров, максимальный контекст — 512 токенов. Доступны веса в форматах PyTorch, safetensors и Core ML. README указывает на три метки: общую категорию Classify и тональности Positive и Negative. Модель может применяться для определения тональности текстов и их классификации по этим категориям. Карточка описывает обучающий конвейер и компоненты, но не приводит оценки качества; заявленные квантовые компоненты не подтверждены архитектурными метаданными. Лицензия — Apache-2.0.

Qwen2-1.5b-it-chat-sp-ru-bel — диалоговая языковая модель, опубликованная ehristoforu и дообученная на базе ehristoforu/Qwen2-1.5b-it-chat-sp-ru. Это плотная модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текстовых ответов в чате. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 32 768 токенов. Название указывает на ориентацию на русский и белорусский языки, однако README и метаданные отдельно не подтверждают состав обучающих данных или качество по каждому языку. Модель распространяется по лицензии Apache-2.0.

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-roaring_bipedal_chameleon — дообученная в TRL модель kielen на базе unsloth/Qwen2.5-0.5B-Instruct. Это компактная плотная языковая модель с архитектурой Qwen2 и 494 млн параметров, предназначенная для диалоговой генерации текста и выполнения инструкций. Модель принимает текстовые сообщения и генерирует текст; нативная длина контекста — 32 768 токенов. Для загрузки используется библиотека Transformers, веса представлены в формате safetensors. Карточка показывает пример диалога с открытым вопросом, но не описывает отдельную специализацию или преимущества качества. Лицензия в предоставленных данных не указана.

jaeyong2/Qwen2.5-1.5B-Instruct-Viet-SFT — дообученная разработчиком на вьетнамских данных модель Qwen2.5-1.5B-Instruct для диалогов и генерации текста. Это плотная авторегрессионная языковая модель с 1,5 млрд параметров, рассчитанная на работу через Transformers; модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Метаданные указывают на поддержку вьетнамского и английского языков, а также на интерфейсы чата и вызова инструментов. Модель распространяется по лицензии Apache-2.0.

Qwen3-0.6B-Fable5-Reasoning — дообученная модель для генерации текста на основе Qwen/Qwen3-0.6B. Разработчик выполнил supervised fine-tuning (SFT) с помощью TRL и объединил LoRA-веса с базовой моделью, поэтому модель доступна как самостоятельный чекпойнт для Transformers. Модель предназначена для диалогов и текстовых ответов с рассуждениями. Она использует плотную архитектуру Qwen3ForCausalLM, содержит 507,9 млн параметров и поддерживает контекст до 40 960 токенов. Метаданные указывают на многоязычную базовую модель Qwen3; конкретные языки этой версии в карточке не перечислены. Лицензия — Apache-2.0. README не приводит сравнительных оценок качества или конкретных результатов обучения.

DQN-Labs выпустила дообученную языковую модель на архитектуре Qwen3 для генерации текста и диалогового общения. В основе лежит unsloth/qwen3-0.6b-base-unsloth-bnb-4bit; модель дообучали с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и генерирует текст. Она поддерживает английский язык, имеет контекстное окно 32 768 токенов и содержит 507,9 млн параметров. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или результаты оценки качества, поэтому пригодность для конкретных предметных областей не установлена.

Модель taskmaster141/qwen3_1.7b_simplyparse-fullft-304-1ep — дообученная языковая модель семейства Qwen3, разработанная taskmaster141 на основе trainer_output/checkpoint-304. Она предназначена для генерации текста и диалогового взаимодействия. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth; дополнительных сведений о специализации обучения и ограничениях качества не приведено.

OP12138/qwen3-1.7b-star1 — дообученная модель Qwen3-1.7B, созданная на датасете star1. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров, предназначенная для генерации текста и диалогов. Модель использует библиотеку Transformers и формат весов safetensors; заявленная длина контекста — до 40 960 токенов. Базовая Qwen3-1.7B описана как многоязычная модель для генерации текста, рассуждений, кода и выполнения инструкций, однако README не уточняет, какие из этих навыков развивает дообучение на star1. Модель подходит для текстовых запросов и разговорного взаимодействия. В метаданных лицензия указана как other, без конкретных условий; перед использованием следует проверить лицензию базовой модели и условия распространения этого чекпойнта. README не содержит результатов оценки или подробностей о данных обучения, поэтому качество и ограничения дообученной версии по нему определить нельзя.

Карточка модели LLADIGA/Qwen3.5-4B-full_turn_imagegame_player1 на Hugging Face совпадает с карточкой LLADIGA/Qwen3.5-4B-full_turn_imagegame_player2, поэтому описание составлено по ней. Это дообученная компанией Qwen модель Qwen3.5-4B, опубликованная пользователем LLADIGA. Модель с плотной архитектурой Qwen3_5ForCausalLM содержит 3,4 млрд параметров и предназначена для генерации текста в диалоговом формате. В карточке приведён пример ответа на открытый вопрос; модель обучена с использованием TRL и запускается через Transformers. Модель подходит для диалоговых сценариев и генерации текстовых ответов. Для базовой модели каталога указаны мультимодальное понимание изображений, рассуждения и вызов инструментов, но карточка этой производной версии не подтверждает эти возможности отдельно. Контекстное окно составляет до 262 144 токенов. Репозиторий использует формат safetensors; лицензия в предоставленных данных не приведена.

Qwen3.8-27B — причинная языковая модель семейства Qwen3.5 с 27 млрд параметров, разработанная командой Qwen и размещённая пользователем fatymahaly. Репозиторий содержит веса в формате Safetensors; модель предназначена для генерации текста и диалогового взаимодействия, включая работу через интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В карточке указан английский язык. Использование описано через библиотеку Hugging Face Transformers. Репозиторий распространяется по лицензии Apache-2.0. README не описывает контекстное окно, качество на конкретных задачах или ограничения применения; поддержка вызова инструментов обозначает интерфейсную возможность и сама по себе не гарантирует корректное выполнение действий.

VladShash/qwen3-8b-classic-with-repair — дообученная модель семейства Qwen3, созданная на базе formalmathatepfl/qwen3-cpt с использованием набора данных SFT. Она предназначена для генерации текста в диалоговом режиме. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Карточка не раскрывает тематику дообучения, поэтому нельзя надёжно определить специализированные сценарии, языки или преимущества варианта «classic-with-repair». Модель распространяется в формате safetensors; лицензия указана как other, без дополнительных условий в предоставленных данных.

Rakesh44 дообучил плотную языковую модель Qwen3 для генерации текста и диалогов, используя базовую модель unsloth/qwen3-4b-unsloth-bnb-4bit, библиотеку Unsloth и TRL. Модель содержит 3,7 млрд параметров, принимает текст и рассчитана на контекст до 40 960 токенов. В карточке также указана поддержка интерфейса вызова инструментов. Модель можно использовать для текстовых запросов и диалоговых сценариев на английском языке. Карточка не описывает специализированную предметную область или конкретные улучшения после дообучения. Лицензия — Apache-2.0.

TradMed/qwen3_MT_epoch2_16bit — дообученная TradMed языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 14 млрд параметров. Она принимает текст и предназначена для генерации текста и диалогового взаимодействия; метаданные также указывают интерфейс вызова инструментов. Контекст модели составляет до 40 960 токенов. Модель дообучена на базе unsloth/qwen3-14b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL; веса опубликованы в формате Safetensors. В карточке указана поддержка английского языка. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или результаты оценки, поэтому назначение за пределами генерации текста и чата определить нельзя.

Карточка модели etiennebamas/qwen3-sft-classic-small-data на Hugging Face совпадает с карточкой VladShash/qwen3-8b-classic-with-repair, поэтому описание составлено по ней. VladShash/qwen3-8b-classic-with-repair — дообученная модель семейства Qwen3, созданная на базе formalmathatepfl/qwen3-cpt с использованием набора данных SFT. Она предназначена для генерации текста в диалоговом режиме. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Карточка не раскрывает тематику дообучения, поэтому нельзя надёжно определить специализированные сценарии, языки или преимущества варианта «classic-with-repair». Модель распространяется в формате safetensors; лицензия указана как other, без дополнительных условий в предоставленных данных.

fluloeo/qwen-7b-evelina — дообученная автором fluloeo языковая модель семейства Qwen2.5 с плотной архитектурой Qwen2ForCausalLM. Она основана на unsloth/Qwen2.5-7B-Instruct-bnb-4bit и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет до 32 768 токенов; карточка указывает английский язык. Обучение выполнялось с использованием Unsloth и библиотеки TRL из Hugging Face. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, оценку качества или конкретные ограничения, поэтому пригодность для узких задач следует проверять отдельно.

Ourse/R4L — языковая модель на архитектуре Qwen2, созданная слиянием нескольких предварительно обученных моделей методом TIES. В основу merge положена bunnycore/Qwen2.5-1.5B-Matrix, также включены unsloth/Qwen2.5-1.5B-Instruct и испаноязычная Kukedlc/NeuralQwen-2.5-1.5B-Spanish. Модель содержит 1,5 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Архитектура — плотная авторегрессионная Qwen2, библиотека — Transformers. Включение испаноязычной модели указывает на испанский среди целевых языков, а инструкция базовой Qwen2.5-1.5B-Instruct позволяет использовать её для диалоговых запросов. README указывает на формат весов float16; репозиторий содержит файлы safetensors. Карточка не сообщает результатов оценки качества, поэтому возможности и стабильность ответов после слияния не подтверждены приведёнными данными. Лицензия в предоставленных источниках не указана.

RedPajama-INCITE-7B-Chat — языковая модель Together Computer для генерации текста в формате диалога. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров по метаданным каталога; в README указано 6,9 млрд. Она обучалась на RedPajama-Data-1T и использует данные OpenAssistant OASST1 и Databricks Dolly 15k. Модель ориентирована на английский язык, имеет контекст до 2048 токенов и распространяется в формате PyTorch по лицензии Apache 2.0. Её можно применять для ведения диалогов, ответов на вопросы, составления черновиков и продолжения текстов. Для инференса README указывает требования к GPU: 16 ГБ памяти в обычном режиме или 12 ГБ для режима int8; для запуска на CPU рекомендован bfloat16. Модель может выдавать неточные или нерелевантные ответы, особенно на сложные, неоднозначные вопросы и запросы за пределами обучающих данных. Она не предназначена для решений в критически важных сценариях.

Rohit_AI_CSharp_Model — дообученная Rohitmlp0344655 разговорная модель генерации текста на архитектуре Llama. Она создана на базе unsloth/llama-3-8b-Instruct-bnb-4bit и предназначена для диалогового взаимодействия и генерации текста. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Источники не уточняют специализацию модели на задачах C# или её результаты на конкретных тестах.

ruadapt_llama2_7b_v0.1 — русская адаптация LLaMA 2, опубликованная как дообученная версия TheBloke/Llama-2-7B-fp16. В модели заменён токенизатор и дообучены эмбеддинги и языковая голова на русскоязычном корпусе объёмом 33 ГБ. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 6,6 млрд параметров и контекстом до 4096 токенов. Модель предназначена для генерации текста на русском языке. В README приведены результаты оценки: loss 2,7569 и accuracy 0,4617; отдельная instruct-версия упомянута, но её характеристики здесь не описаны. Модель распространяется по лицензии Llama 2 Community License Agreement; условия лицензии следует учитывать при использовании.

RWKV-5 World 3B — языковая модель семейства RWKV-5, представленная командой RWKV. Она предназначена для генерации текста и диалоговых ответов. В карточке приведены примеры работы на CPU и GPU, включая приветствие и ответ на вопрос о больших пандах. Модель имеет плотную архитектуру RWKV-5 с причинной языковой головой; размер репозитория в метаданных указан как 1,7 млрд параметров. В примере показаны английский и китайский языки. Для весов указаны форматы PyTorch и Safetensors. Лицензия и длина контекста в доступных данных не приведены.

SambaLingo-Hungarian-Chat — диалоговая языковая модель SambaNova Systems для общения на венгерском и английском языках. Это плотная авторегрессионная модель семейства Llama с 6,7 млрд параметров и контекстом до 4096 токенов; модель доступна в формате safetensors. Модель получена прямой оптимизацией предпочтений (DPO) на базе SambaLingo-Hungarian-Base. Базовая модель адаптирует Llama 2 к венгерскому языку на корпусе Cultura-X; словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель предназначена для диалоговых ответов и генерации текста на венгерском и английском. Модель может галлюцинировать, переключаться между языками или диалектами и повторять фразы; качество программирования и сложной математики может быть ограниченным. Возможна генерация токсичного или неподходящего текста. Не предназначена для критически важных решений и сценариев, влияющих на безопасность людей. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

SambaLingo-Serbian-Chat — диалоговая языковая модель SambaNova Systems для общения на сербском и английском языках. Она основана на Llama-2-7b и дообучена методом direct preference optimization поверх SambaLingo-Serbian-Base; базовую модель адаптировали к сербскому на 17 миллиардах токенов из сербской части Cultura-X. Размер модели — 6,7 млрд параметров, архитектура — плотная Llama, контекст — до 4096 токенов. Модель предназначена для генерации ответов в чате и ведения диалога на сербском и английском. Словарь токенизатора расширен до 57 000 токенов, включая до 25 000 новых токенов для сербского языка. Модель может галлюцинировать, переключаться между языками или диалектами и повторять фразы; её возможности в программировании и сложной математике ограничены, а ответы могут содержать неподходящий или вредный контент. Не предназначена для критически важных задач и решений, влияющих на безопасность людей. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

SamirGPT-v1 — англоязычная текстовая генеративная модель на базе архитектуры Mistral, созданная слиянием cookinai/CatMacaroni-Slerp и viethq188/LeoScorpius-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев на английском языке. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Подробности о качестве ответов и специальных возможностях в карточке не приведены.

chrischain/SatoshiNv5 — дообученная языковая модель семейства Mistral, созданная на основе Mistral 7B 0.2 Base. Автор сообщает, что модель обучалась в четыре эпохи на разнообразном пользовательском наборе данных, затем прошла дополнительный этап дообучения на том же наборе. Модель имеет 7,1 млрд параметров, плотную архитектуру Mistral и контекст до 32 768 токенов. Модель предназначена для генерации текста в формате ассистента: она может уточнять запрос и запрашивать дополнительную информацию перед ответом. В карточке указан английский язык и лицензия CC BY 2.0. Автор отмечает, что при высокой температуре ответы могут становиться бессвязными, и рекомендует значения температуры ниже 0,5.

Seamaiiza-7B-v1 — текстовая генеративная модель, созданная AlekseiPravdin слиянием двух моделей семейства Mistral с помощью mergekit и метода SLERP. В конфигурации слияния указаны AlekseiPravdin/KSI-RP-NSK-128k-7B и SanjiWatsuki/Kunoichi-DPO-v2-7B; метаданные каталога указывают SanjiWatsuki/Kunoichi-DPO-v2-7B как базовую модель. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации продолжений и ответов в диалоге. Нативный контекст — 8192 токена. Репозиторий содержит веса в формате safetensors; модель опубликована по лицензии Apache-2.0. Карточка описывает способ слияния, но не приводит результаты оценки качества или специальные ограничения применения. Фактическое качество может зависеть от сценария и формулировки запроса.

Minbyul/selfbiorag-7b-wo-kqa_silver_wogold-sft — дообученная модель семейства Llama с плотной архитектурой LlamaForCausalLM и 6,6 млрд параметров. Она создана на основе dmis-lab/selfbiorag_7b с использованием набора HuggingFaceH4/deita-10k-v0-sft; в README для оценки указано значение loss 1,1482. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется получать текстовые ответы или продолжения по текстовому запросу. Контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия и дополнительные сведения о применении в карточке не приведены.

Это англоязычная модель SetFit для бинарной классификации тональности текста, созданная с помощью библиотеки SetFit и обученная на наборе SST-2. Она использует дообученный энкодер предложений sentence-transformers/all-MiniLM-L6-v2 и классификатор LogisticRegression, обученный на векторных представлениях текста. Модель различает положительные и отрицательные отзывы и подходит для быстрой классификации коротких англоязычных текстов. Обучение выполнено в режиме few-shot: для классификатора использовано по 32 примера каждого класса. В метаданных указан размер 25,9 млн параметров и контекст до 512 токенов; карточка модели задаёт максимальную длину последовательности 256 токенов. На тесте SST-2 указана точность 0,7513. Лицензия — Apache-2.0.