III.4Клиентская поддержка и customer success

sfm_filtered_e2e_alignment-2k_3k_4k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек обучения на шагах 2000, 3000 и 4000; в качестве базовой использована контрольная точка global_step4000. Модель основана на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и работает с контекстом до 16 384 токенов. Доступна в формате safetensors и поддерживает диалоговый сценарий генерации текста. Модель предназначена для генерации текста и ответов в диалоге. Данные не позволяют установить конкретную специализацию, поддерживаемые естественные языки или сравнительные преимущества объединённого чекпойнта. Условия лицензии в предоставленных источниках не указаны.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear merge из нескольких предварительно обученных чекпойнтов. В качестве базового использован чекпойнт global_step12130; в объединение также вошли версии global_step11000 и global_step10000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает специализированные области применения, языки или результаты оценки качества. Файлы представлены в формате safetensors; лицензия в доступных данных не указана.

Это объединённая языковая модель для генерации текста, созданная с помощью mergekit методом Linear. В слияние вошли пять чекпойнтов на шагах обучения от 7000 до 11000 из одной серии filtered_e2e_insert_hyperstition_v1; базовым при слиянии служил чекпойнт global_step11000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекстное окно 16 384 токена. В метаданных отмечен разговорный режим. Её можно использовать для генерации текста и диалоговых ответов; сведения о языках и специализированных областях применения не приведены. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear merge из нескольких контрольных точек предварительно обученной языковой модели. В карточке не указана организация-разработчик; размер модели — 8,8 млрд параметров. Она использует архитектуру GPT-NeoX и библиотеку Transformers, поддерживает диалоговый режим и имеет контекст длиной до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Сведения о её языках, специализированной области применения и результатах оценки качества отсутствуют. Условия лицензирования в карточке не приведены.

Это объединённая модель генерации текста на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear merge. В объединение вошли три предобученных чекпойнта из серии filtered_insert_xxf_character с шагами 0, 1000 и 2000; чекпойнт global_step2000 использован как базовый. Модель содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка указывает возможность chat, но не описывает специальные предметные сценарии, языки или конкретные преимущества. Файлы опубликованы в формате safetensors для использования с Transformers. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear из трёх контрольных точек предварительно обученной языковой модели: global_step1000, global_step2000 и global_step3000. В качестве базовой при слиянии использовалась контрольная точка global_step3000. В метаданных архитектура указана как плотная GPT-NeoX для авторегрессионной генерации; размер — 8,8 млрд параметров, максимальный контекст — 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не приводит результатов оценки качества или подробностей о целевом назначении и обучающих данных. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Это объединённая модель генерации текста, созданная yuhengtu с помощью mergekit. В неё линейным методом сведены пять чекпойнтов предварительно обученной языковой модели с шагами обучения 0, 1000, 2000, 3000 и 4000; базой слияния служил чекпойнт на шаге 4000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает контекст до 16 384 токенов. В метаданных также указана возможность диалогового применения. Модель предназначена для генерации текста и диалоговых сценариев. Сведения о целевых языках, качестве на конкретных задачах и условиях лицензирования в карточке отсутствуют, поэтому их нельзя достоверно оценить.

Это объединённая модель генерации текста размером 8,8 млрд параметров, созданная с помощью mergekit методом Linear merge. В объединение вошли контрольные точки этапов обучения с шагами 6000, 7000, 8000, 9000 и 10000; в README контрольная точка global_step10000 указана как базовая. Модель основана на архитектуре GPT-NeoX и сохранена в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, поддерживает контекст до 16 384 токенов. README и метаданные не уточняют языковую специализацию, качество на отдельных задачах или дополнительные сценарии применения. Лицензия в предоставленных данных не указана. Поскольку исходные контрольные точки обозначены внутренними путями, их публичные идентификаторы и условия использования по этим сведениям установить нельзя.

sfmunfilterede2ealignment-0k1k2ksimpleavgmerge — объединённая предобученная языковая модель, созданная с помощью mergekit. В карточке указано линейное слияние чекпойнтов, соответствующих шагам 0, 1000 и 2000; базовым для слияния служил чекпойнт global_step2000. В метаданных архитектура обозначена как GPT-NeoX, плотная авторегрессионная модель с 8,8 млрд параметров, принимающая текст и генерирующая текст. Максимальная длина контекста — 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает отдельные предметные области, языковую специализацию или измеренные преимущества слияния. Лицензия в предоставленных данных не указана.

sfmunfilterede2e misalignment-7k8k9k simple average merge — объединённая модель на основе предобученных языковых моделей. По карточке, её создали с помощью mergekit методом Linear; базой служил чекпойнт global_step9000, а также были объединены чекпойнты global_step7000 и global_step8000. Каталог указывает архитектуру GPT-NeoX и класс GPTNeoXForCausalLM, размер около 8,8 млрд параметров и контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке нет сведений о специализированных областях применения или поддерживаемых естественных языках. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Sharp11 — объединённая модель для генерации текста, созданная автором ClaudioItaly с помощью mergekit и метода SLERP на основе Sao10K/Fimbulvetr-11B-v2 и Joseph717171/Cerebrum-1.0-10.7B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 10,6 млрд параметров; она предназначена для генерации текста и диалоговых ответов. Базовые модели описаны как модели для генерации ответов и диалогового текста на английском языке. Контекст модели — 4096 токенов. Модель может использоваться для продолжения текста и ведения текстового диалога на английском языке. Репозиторий содержит веса в формате safetensors и поддерживает библиотеку Transformers. Лицензия в предоставленных сведениях не указана.

ali-elganzory/SmolLM2-1.7B-SFT-Tulu3-decontaminated-masked — дообученная разработчиком ali-elganzory языковая модель на базе ali-elganzory/SmolLM2-1.7B-WithChatTemplate. Это плотная авторегрессионная модель семейства Llama с 1,7 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; карточка указывает обучение с TRL и демонстрирует формат передачи реплики пользователя через chat template. Контекст модели составляет 8192 токена. Модель можно применять для генерации ответов на вопросы и ведения текстового диалога. В README не описаны конкретный состав обучающих данных, языковое покрытие или результаты оценки качества. Использование возможно через Transformers; лицензия в предоставленных данных не указана.

kodonho/Solar-OrcaDPO-Solar-Instruct-SLERP — англоязычная смешанная разговорная модель, созданная с помощью gradient SLERP на основе upstage/SOLAR-10.7B-Instruct-v1.0 и bhavinjawade/SOLAR-10B-OrcaDPO-Jawade. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру LlamaForCausalLM, содержит 10,6 млрд параметров и имеет контекст 4096 токенов; веса доступны в формате safetensors. В README указана средняя оценка 74,3, но метрика и условия оценки не уточнены. Модель распространяется по лицензии CC BY-NC 4.0, которая требует указания авторства и запрещает коммерческое использование.

Карточка модели SowmithDurusoju/sowmith_grpo_llama_finetune_16bit на Hugging Face совпадает с карточкой SowmithDurusoju/sowmith_grpo_llama_1b_finetune_16bit, поэтому описание составлено по ней. 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.

WesPro/StarCaptain_Commander08_32B — объединённая модель для генерации текста и диалогового общения. Она создана сообществом WesPro методом SLERP с помощью mergekit на основе TheDrummer/Star-Command-R-32B-v1 и WesPro/C4AI_Adventure_CaptainCommand08_32B. Модель имеет плотную архитектуру CohereForCausalLM и 32,3 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Базовые модели связаны с ролевым общением и генерацией текста, поэтому модель может подойти для диалоговых и ролевых сценариев. В репозитории используются веса Safetensors, а для работы указана библиотека Transformers. Сведения о лицензии, языках и специальных ограничениях качества в предоставленных данных отсутствуют.

ClaudioItaly/Stock.G2mma — объединённая с помощью mergekit модель Gemma 2, созданная методом Model Stock на основе nbeerbower/gemma2-gutenberg-9B. В состав объединения вошли четыре модели: Gemma 2 Gutenberg 9B, две модели ehristoforu и диалоговая Gemma 2, дообученная методом SimPO. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста и ответов на запросы. Данные о конкретных языках, специализированных сценариях и лицензии в доступных источниках отсутствуют, поэтому их нельзя уточнить. Репозиторий содержит веса в формате safetensors; используется библиотека Transformers.

ClaudioItaly/Stylographic-king-7B — языковая модель, созданная слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP. В состав вошли ClaudioItaly/King-7B и Orion-zhen/Qwen2.5-7B-Gutenberg-KTO; конфигурация использует ClaudioItaly/King-7B как базовую модель и веса bfloat16. Модель построена на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Контекстное окно составляет 32 768 токенов. Метаданные базовой модели указывают на поддержку китайского и английского языков; отдельные языковые данные для итогового слияния не приведены. Модель распространяется в формате safetensors через Transformers. Лицензия в предоставленных данных не указана.

T3Q-LLM2-sft1.4 — диалоговая языковая модель семейства Llama с плотной архитектурой LlamaForCausalLM и 10,6 млрд параметров. Модель доступна в формате safetensors и предназначена для генерации текста в чат-сценариях; указанное родство с предыдущей версией T3Q-LLM2-sft1.3 отражает использование её в оценочном прогоне, но не подтверждает, что она является базовой моделью для дообучения. В карточке приведены результаты на отдельных корейских тестах KoBEST: BoolQ и COPA. Лицензия, разработчик, языки обучения и контекстная длина не подтверждены карточкой; метаданные указывают нативный контекст 4096 токенов. README автоматически сгенерирован и не описывает происхождение или ограничения модели.

TARS-8B-llama-TIEMIX — объединённая диалоговая языковая модель семейства Llama, созданная picAIso методом TIES с помощью mergekit. В объединение вошли picAIso/MIX1 и NousResearch/Hermes-2-Pro-Llama-3-8B; модель содержит около 7,5 млрд параметров и использует архитектуру LlamaForCausalLM. Модель предназначена для генерации текста и диалоговых ответов. Метаданные указывают английский язык и контекст до 8192 токенов. Файлы модели опубликованы в формате safetensors; для работы доступна библиотека Transformers. Модель распространяется по лицензии Llama 3. Карточка не приводит отдельных результатов оценки качества или подробного описания поведения объединённой модели.

WonseokJayJung/test-gguf — языковая модель на архитектуре Qwen2, созданная слиянием Qwen/Qwen2.5-0.5B-Instruct и Qwen/Qwen2.5-0.5B методом SLERP с помощью mergekit. Модель содержит около 494 млн параметров и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст. Её можно применять для диалогов, выполнения инструкций и других задач генерации текста. В репозитории указаны веса в формате safetensors; лицензия в предоставленных данных не приведена.

ThetaMaven9 — объединённая языковая модель на архитектуре Mistral, созданная jefferylovely с помощью LazyMergekit. В объединении методом slerp использованы jefferylovely/ThetaMaven7 и FelixChao/WestSeverus-7B-DPO-v2; базовой указана ThetaMaven7. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. Карточка не уточняет языки, специальные сценарии применения или сравнительные преимущества. Весы представлены в формате safetensors. Лицензия CC BY-NC-ND 4.0 разрешает использование на условиях атрибуции, некоммерческого применения и запрета распространения производных материалов.

TigerBot-13B-Chat-v1 — чат-модель семейства Llama, разработанная TigerResearch. Она предназначена для генерации текста в диалогах; README описывает запуск через infer.py из репозитория проекта. Модель содержит 13 млрд параметров, использует архитектуру LlamaForCausalLM, принимает текст и генерирует текст. Поддерживаются китайский и английский языки, длина контекста составляет 2048 токенов. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка содержит краткие сведения об использовании и не описывает конкретные ограничения качества или поведения модели.

kevin009/TinyNaughtyLlama-v1.0 — диалоговая языковая модель примерно на 1 млрд параметров, созданная дообучением TinyLlama 1.1B Chat методом DPO. Она использует плотную архитектуру LlamaForCausalLM и предназначена для генерации продолжений текста и ответов в чате. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 2048 токенов. Модель рассчитана на общие языковые задачи и диалоговые сценарии. README предупреждает, что ответы могут быть предвзятыми или неподходящими, поэтому их следует проверять и при необходимости фильтровать. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

TwinLlama-3.1-8B — текстовая модель семейства Llama, разработанная aczire и дообученная на базе meta-llama/Llama-3.1-8B с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно до 131 072 токенов. В карточке указан английский язык; метаданные базовой модели также описывают поддержку восьми языков, но языки, на которых специально обучена именно эта производная модель, не перечислены. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет набор данных, специализацию дообучения или результаты оценки, поэтому качество и пригодность для конкретных задач следует проверять отдельно.

TwinLlama-3.1-8B — плотная языковая модель семейства Llama, опубликованная joeyboothe и дообученная на основе unsloth/Meta-Llama-3.1-8B с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и диалогов на английском языке; в метаданных указано контекстное окно до 131 072 токенов и 7,5 млрд параметров. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не уточняет состав данных дообучения, результаты оценки качества или специальные навыки модели, поэтому её пригодность для конкретных сценариев следует проверять отдельно.

SaketR1/uncertainty-sft-2 — мультимодальная модель с архитектурой Qwen3.5, дообученная автором на базе Qwen/Qwen3.5-2B с помощью TRL. Она предназначена для диалогов и генерации ответов по текстовым запросам; метаданные также указывают поддержку понимания изображений. Пример в карточке показывает генерацию текста в ответ на пользовательский вопрос. Модель содержит 2 млрд параметров согласно описанию базовой модели в каталоге и распространяется в формате safetensors для Transformers. Лицензия в предоставленных данных не указана.

Unhinged-Qwen2-72B — объединённая разговорная языковая модель, созданная с помощью mergekit на основе Qwen2 и моделей Tess-v2.5.2-Qwen2-72B и Dolphin-2.9.2-Qwen2-72B. В метаданных указаны архитектура Qwen2ForCausalLM, плотная архитектура и 71,5 млрд параметров; модель распространяется в формате safetensors и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели. Данных о специализированных областях применения в карточке нет.

TheHappyDrone/Uoxudo_16bit — дообученная языковая модель семейства Llama, разработанная TheHappyDrone на основе unsloth/tinyllama-bnb-4bit. Модель предназначена для генерации текста и диалогового использования; README сообщает, что при обучении применялись Unsloth и библиотека TRL. Модель содержит 1 млрд параметров и поддерживает контекст длиной до 2048 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка сообщает о формате чата, но не описывает предметную специализацию или оценку качества модели.

ValentIA — дообученная языковая модель, опубликованная Bloodman-the-master и основанная на unsloth/gemma-2-9b-bnb-4bit. Это плотная модель семейства Gemma 2 с 9 млрд параметров для генерации текста; при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Модель подходит для генерации продолжений и ответов на текстовые запросы. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специализированные области применения или оценку качества ValentIA.

Vela Feedback — модель-классификатор на 307 млн параметров, разработанная vLLM-SR на базе Vela-1.0-Encoder-307M и дообученная для распознавания типов обратной связи. Она относит текст к одному из пяти классов: удовлетворённость, запрос уточнения, сообщение об ошибке, просьба изменить ответ или отсутствие обратной связи. Модель предназначена для маршрутизации пользовательских откликов и анализа качества ответов в диалоговых системах. Модель построена на архитектуре ModernBERT, принимает текстовые последовательности длиной до 32 768 токенов с учётом специальных токенов и поддерживает английский, китайский, испанский, французский и немецкий языки. В README приведено сравнение на наборе из 472 примеров: для четырёх общих классов заявлены macro F1 98,81 и точность 97,88; на 288 нейтральных примерах зарегистрировано 6 ложных сигналов при пороге уверенности 0,7. Эти результаты получены на наборе, который использовался при отборе Vela, поэтому они не гарантируют аналогичное качество на других данных. Лицензия — Apache-2.0.