III.4Клиентская поддержка и customer success

VPO-Zephyr-7B-0.01-iter-2 — языковая модель Katayoon, дообученная на обновлённом и исходном наборах данных поверх Katayoon/VPO-Zephyr-7B-0.01-iter-1. Она предназначена для генерации текста и диалогового взаимодействия. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Доступные сведения не описывают состав данных, языки, результаты оценки или специфические ограничения; качество ответов и пригодность для конкретных сценариев следует проверять отдельно.

Модель facebook/wav2vec2-large-robust-ft-swbd-300h — акустическая модель распознавания речи на архитектуре Wav2Vec2 Large Robust с CTC-выходом. Её разработала Facebook; модель дообучена на 300 часах телефонных разговоров из корпуса Switchboard после предобучения на Libri-Light, Common Voice, Switchboard и Fisher. Размер модели — 402,7 млн параметров. Модель предназначена для преобразования речи в текст, прежде всего телефонных разговоров на английском языке. Для входного аудио требуется частота дискретизации 16 кГц. Доступны веса PyTorch, лицензия Apache-2.0. Карточка не приводит результатов оценки качества и не описывает работу с другими языками или шумовыми условиями за пределами перечисленных корпусов.

West-Ramen-7Bx4 — разговорная модель генерации текста на архитектуре Mixtral MoE, опубликованная mayacinka. В репозитории представлены веса в формате Safetensors; объём модели составляет 7,1 млрд параметров, длина контекста — до 32 768 токенов. Модель предназначена для генерации ответов в диалогах и других сценариев продолжения текста. В README приведены результаты Open LLM Leaderboard, включая оценки на AI2 Reasoning Challenge и HellaSwag; этих данных недостаточно, чтобы определить дополнительные специализации или заявить о превосходстве в конкретных задачах. Модель распространяется по лицензии Apache-2.0. В предоставленной карточке нет сведений о поддерживаемых естественных языках и специальных предметных областях.

WestStarling-7B-slerp — объединённая текстовая языковая модель, созданная с помощью mergekit на основе senseable/WestLake-7B-v2 и Nexusflow/Starling-LM-7B-beta. Веса двух моделей объединены методом slerp с настройками смешивания для слоёв self-attention и MLP. Модель предназначена для генерации текста и диалоговых сценариев. Она основана на плотной архитектуре Mistral с классом MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Базовая WestLake-7B-v2 описана как англоязычная модель для ролевых диалогов и творческих текстов. Репозиторий содержит веса в формате Safetensors. Указана лицензия Apache-2.0. В карточке нет сведений о сравнительных оценках качества или специальных ограничениях применения.

Lucyan85/xlmr-tass-sentiment — модель классификации текста на основе XLM-RoBERTa-base, дообученная для анализа тональности. Она предназначена для отнесения текстовых высказываний к тональным классам. Модель содержит около 305,2 млн параметров, использует архитектуру XLM-RoBERTa и рассчитана на контекст до 514 токенов. На оценочном наборе указаны accuracy 0,6701 и F1 0,6679. Название модели предполагает связь с TASS, однако карточка не описывает обучающие данные, набор классов, языки, целевые сценарии или ограничения качества. Модель распространяется по лицензии MIT.

YamNeuralsirkrishna-7B — объединённая модель для генерации текста и диалогов, созданная Maxime Labonne методом SLERP из mayacinka/yam-jom-7B и Kukedlc/NeuralSirKrishna-7b. Это плотная причинная языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Лицензия Apache-2.0 разрешает использование на её условиях. README не описывает специальные области применения или результаты оценки качества.

YamshadowInex12_Inex12Strangemerges_32 — слитая модель для генерации текста, созданная объединением automerger/YamshadowInex12-7B и automerger/Inex12Strangemerges_32-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текст и поддерживает контекст длиной до 32 768 токенов. Подходит для генерации продолжений и ответов в текстовых сценариях. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не описывает специализированные области применения или дополнительные возможности.

Zebrafish-dare-7B — модель генерации текста на основе архитектуры Mistral, опубликованная пользователем mlabonne. Это плотная авторегрессионная языковая модель примерно на 7,1 млрд параметров с контекстом до 32 768 токенов, сохранённая в формате safetensors. Модель получена слиянием моделей методом DARE-TIES с помощью LazyMergekit. В конфигурации указаны liminerity/M7-7b и rwitz/experiment26-truthy-iter-0; метаданные каталога связывают её как производную с rwitz/experiment26-truthy-iter-0. Подходит для генерации текста и диалоговых сценариев на основе текстовых запросов. Данных о поддерживаемых естественных языках и специализированных областях применения нет. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Zenith_4B — чат-модель с архитектурой Llama, созданная с участием нескольких участников Anthracite. Это производная Minitron примерно на 3,9 млрд параметров: модель прошла восстановление весов и дообучение на 100 млн токенов качественных инструкций. Она предназначена для работы в роли общего ассистента и для ролевых диалогов, с улучшенным следованием инструкциям. В README указано обучение с контекстом 8 тыс. токенов; метаданные указывают нативное окно контекста 131 072 токена. Модель принимает текст и генерирует текст, поддерживает английский язык. Распространяется по лицензии Apache-2.0. Ключевое ограничение — небольшой размер: автор предупреждает, что ожидания по качеству следует соотносить с моделью на 4 млрд параметров. Указанные в метаданных 131 072 токена не отменяют того, что обучение проводилось с контекстом 8 тыс. токенов.

UCLA-AGI/zephyr-7b-sft-full-SPIN-iter3 — языковая модель семейства Mistral, дообученная методом self-play fine-tuning на третьей итерации. Она основана на alignment-handbook/zephyr-7b-sft-full, которая, в свою очередь, построена на mistralai/Mistral-7B-v0.1. Веса содержат 7,1 млрд параметров; модель использует архитектуру MistralForCausalLM, поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский язык. Модель предназначена для генерации текста в диалоговом формате. Для обучения использовались синтетические данные на основе набора HuggingFaceH4/ultrachat_200k. В карточке приведены результаты оценки на Open LLM Leaderboard, включая среднее значение 63,70, ARC 66,13 и HellaSwag 85,85. Модель распространяется по лицензии MIT. Оценки из карточки не гарантируют качество в конкретных задачах; доступные сведения не описывают отдельные ограничения или защитные механизмы модели.

zephyr-UFB-7b-sft — дообученная авторами репозитория модель Mistral-7B-v0.1 для генерации текста и диалогового взаимодействия. Она построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель дообучена методом SFT на датасете generator; в README приведено значение loss 1,0398 на наборе оценки. Модель подходит для генерации ответов и ведения диалога. README не раскрывает целевую специализацию датасета, подробности оценки или известные ограничения качества, поэтому её возможности за пределами общей генерации текста не следует считать подтверждёнными. Репозиторий использует формат safetensors и лицензию Apache-2.0.

Это диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная автором ShenaoZ на базе ShenaoZ/0.0001_withdpo_4iters_bs256_3333lr_iter_1 на наборах данных updated и original. Модель предназначена для генерации текста в диалоге и рассчитана на контекст до 32 768 токенов. Модель представлена в формате safetensors и распространяется по лицензии MIT. Карточка не описывает конкретную специализацию, результаты оценки или ограничения качества; доступные данные указывают на чатовый сценарий общего назначения.

ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5551lr_iter_3 — диалоговая текстовая модель генерации на архитектуре Mistral с 7,1 млрд параметров. Это дообученная версия ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5551lr_iter_2, обученная на наборах данных updated и original с применением DPO. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста; контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель опубликована под лицензией MIT. README не описывает результаты оценки и специфические ограничения, поэтому качество на отдельных задачах по имеющимся данным оценить нельзя.

Модель ShenaoZ/0.0005_withdpo_4iters_bs256_555lr_iter_2 — чат-модель на архитектуре Mistral, дообученная на основе ShenaoZ/0.0005_withdpo_4iters_bs256_555lr_iter_1 на наборах данных updated и original. Она предназначена для генерации текста в диалоге. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и опубликована в формате safetensors. Модель распространяется по лицензии MIT. Карточка не приводит сведений о целевых сценариях, языках обучения, результатах оценки или известных ограничениях качества.

Это дообученная чат-модель Mistral с 7,1 млрд параметров, созданная на основе ShenaoZ/0.001_3iters_bs128_declr_nodpo_useresponse_iter_1. Модель обучена на наборах данных updated и original и предназначена для генерации текста в диалоге; поддерживает контекст длиной до 32 768 токенов. Модель принимает текст и генерирует текстовые ответы. В карточке не приведены сведения о конкретных сценариях применения, языках или оценке качества. Распространяется по лицензии MIT.

Это дообученная модель Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана на основе HuggingFaceH4/mistral-7b-sft-beta с использованием датасета HuggingFaceH4/ultrafeedback_binarized; метаданные также указывают на обучение методом DPO и поддержку диалогового взаимодействия. Модель предназначена для генерации текста и общения в формате чата. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Базовая модель описана как ориентированная на англоязычные синтетические диалоги, поэтому основным языком следует считать английский. Модель распространяется по лицензии MIT. README не содержит сведений о результатах оценки или конкретных ограничениях качества.

Это плотная авторегрессионная языковая модель семейства Mistral на 7,1 млрд параметров, разработанная ShenaoZ. Модель дообучена на обновлённом и исходном наборах данных поверх ShenaoZ/0.001_ablation_4iters_bs256_sample2_iter_2 и предназначена для генерации текста в диалоговом режиме. Максимальная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. Карточка не описывает конкретные области применения и результаты оценки качества; поведение и надёжность следует проверять на целевых задачах.

ShenaoZhang разработал эту дообученную модель на основе HuggingFaceH4/mistral-7b-sft-beta с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Она подходит для ответов на вопросы и ведения текстовых бесед; базовая модель обучалась на англоязычных синтетических диалогах. Модель рассчитана на контекст до 32 768 токенов и распространяется в формате safetensors по лицензии MIT. README не содержит сведений о результатах оценки и специфических ограничениях.

ShenaoZ/0.01_ablation_5iters_bs256_nodpo_iter_1 — дообученная ShenaoZ версия Mistral на основе HuggingFaceH4/mistral-7b-sft-beta. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и предназначена для генерации текста и общения в формате чата. Она принимает текст и выдаёт текст; максимальная длина контекста составляет 32 768 токенов. Модель обучена на наборах данных updated и original. Метаданные базовой модели указывают на англоязычные синтетические диалоги, поэтому модель подходит для текстовых диалогов и ответов на вопросы, прежде всего на английском языке. README не содержит описания обучения, оценки качества или конкретных ограничений. Модель распространяется по лицензии MIT.

ShenaoZ выпустил модель генерации текста, дообученную методом DPO на базе HuggingFaceH4/mistral-7b-sft-beta с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; метаданные также отмечают поддержку диалогового взаимодействия. Она предназначена для генерации ответов и ведения текстовых диалогов. Базовая модель обучена на англоязычных синтетических диалогах, поэтому основным языком следует считать английский. Модель распространяется под лицензией MIT.

Abuja-01 — компактная причинно-языковая модель семейства Qwen2, разработанная на основе Qwen/Qwen2-0.5B-Instruct и дообученная с помощью ORPO (Odds Ratio Preference Optimization). По карточке модель обучалась на наборе trl-lib/ultrafeedback_binarized; её объём составляет 494 млн параметров, веса представлены в формате Safetensors, а контекст — до 32 768 токенов. Модель предназначена для диалогов и генерации текста по инструкциям. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Лицензия — MIT. Карточка сообщает об одном цикле обучения на одной GPU, но не приводит оценок качества или сравнительных результатов, поэтому пригодность для конкретных сценариев следует проверять на собственных запросах.

MindsAndCompany разработала agiin-13.6B-v0.1 — разговорную языковую модель на архитектуре Mistral с 13,7 млрд параметров. В карточке указано, что модель создана на основе Mistral, а при обучении использовался датасет Intel/orca_dpo_pairs и метод DPO; архитектура описана как 62 слоя. Модель предназначена для генерации текста в диалоговом формате, включая ответы на запросы и ведение беседы. Заявление автора о новой архитектуре, не требующей предварительного обучения, приведено в карточке, но подробности не раскрыты. Модель принимает текст и генерирует текст. В метаданных указан английский язык и контекст до 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специализированные области применения и не приводит оценки качества; модель опубликована как версия 0.1.

Anthesis_7B — объединённая языковая модель, созданная rmdhirr на основе rmdhirr/Foxglove_7B и ResplendentAI/Paradigm_Shift_7B. Для слияния использован метод DARE-TIES с параметрами density 0,60 и weight 0,40; итоговые веса сохранены в формате bfloat16. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста, в том числе ролевых диалогов и ответов на вопросы. В карточке рекомендуется формат Alpaca; также подходят запросы в формате Mistral. Указана поддержка английского языка. Репозиторий распространяется под лицензией Apache-2.0.

mlx-community/Apertus-SEA-LION-v4-8B-IT — конвертированная в формат MLX версия модели Apertus-SEA-LION-v4-8B-IT, подготовленная сообществом mlx-community на основе модели AI Singapore. Это плотная авторегрессионная языковая модель Apertus с 10,3 млрд параметров, предназначенная для диалоговой генерации текста и инструкций на разных языках. Модель принимает текст и генерирует текст, поддерживает контекст до 65 536 токенов. В карточке перечислены английский, китайский, вьетнамский, индонезийский, тайский, филиппинский, тамильский, малайский и бирманский языки; основной акцент — языки Юго-Восточной Азии. Репозиторий содержит веса в формате safetensors, а README указывает на конвертацию для MLX с помощью mlx-lm 0.30.6. Модель подходит для диалоговых помощников и генерации ответов на запросы на поддерживаемых языках. Лицензия — Apache-2.0. Для использования в MLX требуется библиотека mlx-lm; сведения о сравнительных оценках качества в предоставленных материалах отсутствуют.

AquilaDense-7B — плотная авторегрессионная языковая модель семейства AquilaDense, разработанная Пекинской академией искусственного интеллекта (BAAI). Она предназначена для генерации текста и диалогового взаимодействия. По метаданным модель содержит 7,6 млрд параметров, поддерживает контекст до 4096 токенов и распространяется в формате PyTorch. README описывает методику EfficientScale для обучения моделей AquilaMoE и упоминает AquilaDense-7B как одну из моделей, использованных в экспериментах и графике обучения. В карточке также приведены двуязычные данные на китайском и английском языках; метаданные отмечают поддержку английского и китайского. Лицензия модели — Apache-2.0. Модель подходит для генерации текста и диалоговых сценариев на английском и китайском языках. README не приводит отдельных результатов оценки или конкретных рекомендаций по применению AquilaDense-7B; ограничение контекста составляет 4096 токенов.

Jebadiah/Aria-Laylelemon-sand-stone — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES. В качестве базовой модели использована Jebadiah/Aria-dolphin-1m-sand-stone, также в объединение включена Nitral-AI/Visual-LaylelemonMaidRP-7B. Модель основана на архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов. Модель подходит для генерации продолжений и ответов в текстовых сценариях. Репозиторий содержит веса в формате safetensors, а в конфигурации слияния указана точность float16. Данных о лицензии и конкретных языках в доступных материалах нет.

ASL 4B — компактная плотная языковая модель на 4 млрд параметров, разработанная SAAI на базе Qwen3.5 и настроенная для работы с арабским языком. Модель предназначена для генерации текста и диалогов, особенно для понимания саудовского диалекта и местного контекста Саудовской Аравии. В обучении использовались открытые наборы данных, а также локальные данные партнёров: книги, литературные произведения и журналистские публикации. Модель поддерживает стандартную генерацию и режим рассуждений; карточка приводит рекомендации по настройкам для vLLM и Transformers. Она рассчитана на приложения с современным стандартным арабским языком, саудовским диалектом и местным либо институциональным контекстом. README характеризует выпуск как первый исследовательский релиз SAAI, ориентированный на исследования и разработку арабоязычных приложений. Лицензия — Apache-2.0. Модель может генерировать неточные, неполные или предвзятые ответы; результаты бенчмарков не гарантируют надёжность в реальных сценариях. Перед применением в чувствительных сферах необходима оценка на целевых задачах.

Sumail/Barista50 — языковая модель для генерации текста, созданная слиянием StableLM-моделей tomaszki/stablelm-21 и tomaszki/stablelm-22 методом SLERP с помощью mergekit. Модель имеет плотную архитектуру StableLM и около 1,4 млрд параметров; веса сохранены в формате Safetensors. Она предназначена для генерации текста и диалогового взаимодействия. Контекст составляет до 4096 токенов. В карточке не указаны целевые языки, специализированные предметные области или результаты оценки качества. Лицензия в предоставленных данных не приведена.

BeagleNuBuRPInfinWestLakev2-IreneRP-Neural-7B-slerp — текстовая генеративная модель на архитектуре Mistral, созданная Smuggling1710 с помощью LazyMergekit. Модель объединяет методом SLERP веса Smuggling1710/BuRPInfinWestLakev2-IreneRP-Neural-7B-slerp и mlabonne/NeuralBeagle14-7B; размер составляет 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В качестве базовой составляющей NeuralBeagle14-7B описана как модель Mistral для диалогов, следования инструкциям, рассуждений и творческой генерации; эти задачи могут быть полезны и для объединённой модели, но отдельные показатели качества для неё не приведены. Данные о поддерживаемых языках отсутствуют. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных источниках не указана.

CAMeL-Lab разработала CAMeLBERT-DA SA — модель анализа тональности арабского текста, полученную дообучением диалектной модели CAMeLBERT-DA. Она классифицирует предложения как положительные или отрицательные и предназначена для использования в компоненте анализа тональности CAMeL Tools или через Transformers pipeline. Модель основана на архитектуре BERT и содержит 136,3 млн параметров. Она принимает текст на арабском языке, поддерживает контекст до 512 токенов и выдаёт метку тональности. Для дообучения использовались датасеты ASTD, ArSAS и SemEval. Модель распространяется по лицензии Apache-2.0.