III.4Клиентская поддержка и customer success

CAMeLBERT Mix SA Model — арабоязычная модель анализа тональности, разработанная CAMeL Lab путём дообучения CAMeLBERT Mix. Она классифицирует текстовые высказывания по тональности; модель можно использовать через компонент анализа тональности CAMeL Tools или через pipeline библиотеки Transformers. Модель основана на архитектуре BERT для классификации последовательностей, содержит 136,3 млн параметров и принимает последовательности длиной до 512 токенов. Для дообучения использовались наборы ASTD, ArSAS и SemEval. Модель поддерживает арабский язык и распространяется по лицензии Apache-2.0.

bhadresh-savani/bert-base-go-emotion — модель классификации текста на основе DistilBERT, дообученная для распознавания эмоций по набору GoEmotions. Она предназначена для присвоения тексту эмоциональных меток и подходит для анализа эмоциональной окраски коротких фрагментов текста. Модель содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате PyTorch. В README указано обучение на 169 208 примерах в течение трёх эпох. Карточка связывает модель с английским языком и датасетом GoEmotions. Лицензия — Apache-2.0. Оценочные результаты и перечень распознаваемых меток в предоставленном README не приведены.

Модель Cardiff NLP — мультиязычная версия BERT для классификации тональности текстов, дообученная на наборе твитов tweet_sentiment_multilingual с помощью tweetnlp. Она предназначена для определения тональности коротких сообщений и других текстов на поддерживаемых моделью языках. Архитектура — BertForSequenceClassification, 205,1 млн параметров; максимальная длина входа составляет 512 токенов. Модель принимает текст и выдаёт метки классов тональности. На тестовой выборке датасета указаны micro-F1 0,617, macro-F1 0,617 и accuracy 0,617. Эти результаты относятся к тестовому разделу данного набора и не гарантируют аналогичного качества на других типах текстов или доменах. Модель доступна в формате PyTorch; README указывает базовую модель bert-base-multilingual-cased. Условия лицензии в предоставленных данных не приведены.

philschmid/bert-mini-sst2-distilled — компактная модель классификации текста на основе BERT, дообученная автором репозитория на датасете GLUE. Она предназначена для присвоения тексту метки тональности в задачах, подобных SST-2. Модель содержит около 12 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в формате PyTorch. На указанной в карточке оценочной выборке модель достигла accuracy 0,8567. Она подходит для лёгких сценариев классификации тональности, но карточка не описывает полный набор меток и ограничения оценки. Лицензия — Apache-2.0.

BRisa 7B Instruct — инструкция-настроенная языковая модель, разработанная J-LAB для генерации ответов на португальском языке и выполнения пользовательских инструкций. Она построена на архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; для обучения использованы Mistral-7B-Instruct-v0.2 и португалоязычная базовая модель JJhooww/Mistral-7B-v0.2-Base_ptbr, после чего веса объединены. Контекст модели составляет 32 768 токенов. Модель подходит для диалога, ответов на вопросы и выполнения инструкций на португальском языке. В README приведены результаты Open Portuguese LLM Leaderboard, включая среднюю оценку 66,19. Модель принимает и генерирует текст. Выпущена под лицензией Apache 2.0.

bruphin-delta — плотная авторегрессионная языковая модель на архитектуре Mistral, созданная nbeerbower методом слияния SLERP с помощью mergekit. В слияние вошли nbeerbower/bruphin-gamma и senseable/WestLake-7B-v2; в конфигурации указана базовая модель nbeerbower/bruphin-gamma. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста, включая диалоговые и творческие сценарии, на которые ориентирована базовая WestLake-7B-v2. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или явного перечня ограничений, поэтому пригодность для конкретных задач следует проверять на собственных данных.

CarbonVillain-en-10.7B-v4 — англоязычная разговорная языковая модель семейства Llama, опубликованная jeonsworld. Это плотная авторегрессионная модель примерно на 10,6 млрд параметров с контекстом до 4096 токенов, рассчитанная на генерацию текста в формате диалога с разделителями User и Assistant. Модель подходит для продолжения текста и ответов в чат-сценариях на английском языке. В карточке приведены результаты оценивания на бенчмарках AI2 Reasoning Challenge и HellaSwag; README не уточняет методы обучения или слияния модели. Распространяется по лицензии CC BY-NC-SA 4.0, предусматривающей указание авторства, распространение производных работ на той же лицензии и ограничения на коммерческое использование.

Chocolatine-14B-Instruct-DPO-v1.2 — языковая модель, разработанная Jonathan Pacifico и созданная методом DPO-дообучения 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 и контекстом до 4096 токенов. Модель предназначена для диалогов и генерации текста на французском и английском языках. По данным автора, обучение на французском также улучшило результаты на английском; карточка сообщает о результатах на OpenLLM Leaderboard и MT-Bench-French. Для запуска доступна версия в формате safetensors, а отдельная квантованная сборка опубликована в другом репозитории. У модели нет механизма модерации, поэтому её ответы могут включать нежелательный контент. Лицензия — MIT.

chronos-13b-v2 — языковая модель elinas на архитектуре LLaMA 2 Base, представленная в формате PyTorch/Hugging Face с точностью FP16. Модель содержит 12,9 млрд параметров и поддерживает контекст до 4096 токенов. Она предназначена для диалогов, ролевых сценариев и написания историй; автор также отмечает способности к рассуждению и логике и генерацию длинных связных ответов. Для лучшей работы модель следует использовать с шаблоном Alpaca, в котором запрос помещается между маркерами Instruction и Response. Репозиторий содержит полноточную версию для запуска при наличии достаточной видеопамяти или для дальнейшей квантизации. Лицензия указана как llama2.

Locutusque/CollectiveLM-Falcon-3-7B — языковая модель, дообученная на базе tiiuae/Falcon3-7B-Base. По README, для обучения использован набор примерно из 1,3 тыс. примеров, полученных сочетанием методов Evol Instruct и Amplify Instruct: отдельные инструкции преобразовывались в сложные многоходовые диалоги. Модель предназначена для генерации текста и диалоговых ответов по инструкциям. Модель имеет плотную архитектуру с 7,1 млрд параметров и контекстное окно до 32 768 токенов. Метаданные указывают английский язык и поддержку чата. В README приведены результаты отдельных оценок, включая GSM8K и AGIEval; они не гарантируют качество на других задачах. Полная карточка модели и описание ограничений отсутствуют. Лицензия обозначена как other, поэтому условия использования следует сверить с репозиторием модели.

Elfrino/ContextualKunoichi_KTO-7B — созданная Elfrino диалоговая языковая модель, полученная слиянием SLERP двух моделей Mistral 7B: ContextualAI/Contextual_KTO_Mistral_PairRM и crestf411/daybreak-kunoichi-2dpo-7b. Слияние выполнено с помощью mergekit; файлы модели опубликованы в формате safetensors. Модель предназначена для генерации текста в диалогах и ответов на запросы. Её архитектура — плотная MistralForCausalLM, размер — около 7,1 млрд параметров, заявленная длина контекста — 32 768 токенов. Карточка описывает выбор исходных моделей по рейтингам Alpaca Eval и рейтингу креативности, однако также отмечает, что модель находится на этапе тестирования. Язык и лицензия в предоставленных данных не указаны.

Elfrino выпустил ContextualToppy_KTO-7B — слитую модель для генерации текста и ведения диалогов. Она создана методом SLERP с помощью mergekit из Undi95/Toppy-M-7B и ContextualAI/Contextual_KTO_Mistral_PairRM. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она предназначена для генерации текстовых ответов и ролевых диалогов; поддерживает контекст до 32 768 токенов и работает через Transformers. В репозитории веса представлены в формате safetensors. Карточка не приводит конкретных оценок качества или сведений о языковом покрытии. Базовое описание указывает на возможность генерации контента для взрослых. Условия лицензии в предоставленных данных не указаны.

Copium-Cola-9B — объединённая модель генерации текста семейства Mistral от Nitral-Archive. Она создана методом passthrough merge из двух перекрывающихся диапазонов слоёв модели ChaoticNeutrals/Eris_7B: слоёв 0–19 и 12–31. Модель содержит 8,9 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors с точностью float16; максимальная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и может использоваться для диалогов, ролевых сценариев и создания ответов. В карточке не приведены сведения о поддерживаемых языках или специальных предметных областях. Лицензия указана как other, поэтому условия использования следует уточнять в репозитории модели.

Edens-Gate/Danny-Test — разговорная модель генерации текста на архитектуре Gemma 2, дообученная на базе /data/models/gemma-9b-compl. По метаданным, модель содержит 9 млрд параметров, использует библиотеку Transformers и формат safetensors; поддерживает контекст до 8192 токенов и режим чата. Модель предназначена для генерации ответов в диалоге. В README указано дообучение на наборах ds1, ds2, ds3, ds4, kalo_opus_1, claude_instruct, claude_instruct_2 и epic_synth_2, но назначение этих данных, результаты оценки и специальные области применения не описаны. Лицензия обозначена как other, поэтому конкретные условия использования из предоставленных данных определить нельзя.

Aleteian/DarknessEnthroned — объединённая модель генерации текста на архитектуре Mistral, созданная с помощью mergekit методом TIES на основе win10/Mistral-Nemo-abliterated-Nemo-Pro-v2. В объединение также вошли три модели DavidAU: MN-GRAND-Gutenberg-Lyra4-Lyra-12B-MADNESS, MN-Dark-Planet-TITAN-12B и MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS. Модель предназначена для генерации текста и диалогов. Она содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors; заявленная длина контекста — 1 024 000 токенов. Лицензия в предоставленных данных не указана.

Deacon-34B — дообученная языковая модель семейства Llama, опубликованная KnutJaegersberg. Автор указывает, что модель адаптирована под токенизатор Llama и дообучена на датасете EverythingLM в течение пяти эпох с применением NEFTune. В метаданных указаны архитектура LlamaForCausalLM, 33,9 млрд параметров и контекст до 4096 токенов. Модель предназначена для генерации текста и выполнения инструкций в формате диалога с ИИ-ассистентом. Карточка приводит пример вопроса о дообучении языковых моделей, но не описывает более узкую специализацию или результаты оценки качества. Метаданные указывают формат safetensors и тег задачи text-generation. В README заявлено, что для коммерческого использования требуется разрешение согласно Model License Agreement 2.0; там же приведён порядок обращения за официальной коммерческой лицензией. Поэтому перед коммерческим применением следует проверить условия лицензии Yi, указанной автором карточки.

Elron/deberta-v3-large-sentiment — модель классификации текста, дообученная на базе microsoft/deberta-v3-large на наборе TweetEval для анализа коротких сообщений в стиле Twitter. Она предназначена для классификации эмоций, тональности, иронии, ненавистнических и оскорбительных высказываний. В README приведены результаты на тестовых данных TweetEval и сравнение с несколькими другими моделями; на указанных задачах модель показала более высокие значения в приведённой таблице. Модель построена на архитектуре DeBERTa V2 и содержит около 533,8 млн параметров. Принимает текст, контекстное окно — 512 токенов. Доступна в формате PyTorch и распространяется по лицензии MIT. Оценки в README относятся к тесту TweetEval; качество на других типах текстов и вне коротких сообщений может отличаться.

sftmagpie-delphiwarmupdelphi-2e20-p33m67-kdelphi-1e-05delphi-3e18-p33m67-k — диалоговая языковая модель семейства Qwen3, разработанная авторами репозитория laion/delphi-2e20-p33m67-k0p20-lr83-a001-magpie_lr1e5-sft. Модель содержит 1,7 млрд параметров, построена на плотной архитектуре Qwen3ForCausalLM и предназначена для генерации текста в диалогах; карточка сообщает, что обучение проводилось с нуля на наборах данных magpie и delphi_warmup. Модель принимает текст и выдаёт текст. Заявленная длина контекста — 4096 токенов; репозиторий использует Transformers и содержит веса в формате safetensors. Лицензия указана как other, поэтому конкретные условия использования следует проверять в файлах репозитория. Карточка не приводит оценок качества, подробных сценариев применения или известных ограничений.

DreadPoor/Derivative-8B-Model_Stock — слитая диалоговая языковая модель, созданная с помощью mergekit методом Model Stock. В качестве основы использована FuseAI/FuseChat-Llama-3.1-8B-SFT, а также объединены DreadPoor/Aspire-8B-model_stock, DreadPoor/ONeil-model_stock-8B и DreadPoor/BaeZel_1.1-8B-Model_Stock. Модель построена на плотной архитектуре Llama с 7,5 млрд параметров и предназначена для генерации текста и диалоговых ответов. Модель принимает текст и выдаёт текст; заявленная длина контекста составляет 131 072 токена. В README приведены результаты отдельных тестов Open LLM Leaderboard, включая IFEval и BBH, но этих оценок недостаточно для вывода о качестве на других задачах или языках. Доступны веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

motherfucker0/derrick02 — объединённая плотная языковая модель семейства Llama, опубликованная на Hugging Face. Она создана из motherfucker0/zhun01 и motherfucker0/zhen09 методом TIES с помощью mergekit и предназначена для генерации текста. Модель содержит 6,5 млрд параметров, работает через библиотеку Transformers и принимает контекст длиной до 4096 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов в сценариях, где достаточно текстового ввода и вывода. В карточке не приведены результаты оценки качества или более конкретная специализация. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Карточка модели Dnoya10/dicoding_genAI_expert_collab_grpo_3 на Hugging Face совпадает с карточкой Dnoya10/dicoding_genAI_expert_collab_grpo_4, поэтому описание составлено по ней. Dnoya10/dicoding_genAI_expert_collab_grpo_4 — дообученная языковая модель семейства Qwen2 с архитектурой плотной авторегрессионной сети. Разработчик — Dnoya10; модель дообучена на Dnoya10/dicoding_genAI_expert_collab_eks1 с использованием Unsloth и библиотеки TRL. В репозитории указаны веса Safetensors, размер модели — 1,5 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на запросы и ведения беседы на английском языке. Интерфейс поддерживает вызов инструментов, но карточка не описывает специальные предметные области или конкретные сценарии применения. Лицензия — Apache-2.0.

DictaLM-3.0-1.7B-Instruct — инструкционная языковая модель из семейства Dicta-LM 3.0, разработанного Dicta. Модель содержит 1,7 млрд параметров, построена на архитектуре Qwen3 и первоначально инициализирована из Qwen3-1.7B-Base. Она обучена на больших корпусах текстов на иврите и английском; поддерживает контекст до 62 080 токенов и рассчитана на диалоговое использование по шаблону чата. Модель предназначена для генерации ответов на инструкции и ведения диалога на иврите и английском. Её можно развернуть через vLLM или Transformers; заявлена поддержка вызова инструментов для интеграции с внешними API. Это полноточная версия BF16 в формате safetensors, доступная для скачивания и свободного использования. Лицензия — Apache-2.0. Размер 1,7 млрд параметров позволяет использовать её как компактную модель, однако качество и возможности могут быть ниже, чем у более крупных моделей. Для корректной работы с инструкциями требуется применять заданный шаблон чата. README не приводит количественных оценок качества и подробностей об обучающих данных.

Dimensity-3B — диалоговая языковая модель семейства StableLM Epoch, представленная разработчиком Dimensity. Это плотная авторегрессионная модель с 2,7 млрд параметров и контекстом до 4096 токенов, предназначенная для открытого общения в роли ассистента. Модель обучена на общедоступных разговорных данных и поддерживает английский язык. Её можно использовать для диалогов с ассистентом и генерации ответов на текстовые запросы. Модель может выдавать правдоподобную, но фактически неверную информацию, а также воспроизводить вредные стереотипы или токсичный контент. Лицензия — MIT.

Модель esuriddick/distilbert-base-uncased-finetuned-emotion разработана автором репозитория и дообучена на базе distilbert/distilbert-base-uncased для распознавания эмоций в английском тексте. Это компактная двунаправленная архитектура DistilBERT для классификации последовательностей; она принимает текст длиной до 512 токенов и относит его к одной из шести категорий: гнев, страх, радость, любовь, грусть или удивление. Модель подходит для анализа коротких сообщений и текстов, в том числе похожих на публикации в Twitter. В README указаны результаты на оценочной выборке: точность 0,9375 и F1 0,9379. Файлы доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

HeartNatnai/distilbert-base-uncased-finetuned-emotion — дообученная модель классификации последовательностей на базе distilbert/distilbert-base-uncased, опубликованная пользователем HeartNatnai. Она предназначена для отнесения текста к эмоциональным категориям. В README приведены результаты оценки: accuracy 0,926 и F1 0,926; набор меток и данные обучения не описаны. Модель использует архитектуру DistilBertForSequenceClassification, формат safetensors и контекст до 512 токенов. Работает с текстом на английском языке, что следует из uncased английской базовой модели; других поддерживаемых языков карточка не подтверждает. Лицензия — Apache-2.0. Результаты оценки относятся к указанному в карточке набору и не гарантируют качество на других данных.

Это модель классификации текста на основе DistilBERT, дообученная автором jasonyim2 на наборе данных emotion. Она предназначена для определения эмоциональной категории текста. В README для оценки на тестовой выборке указаны accuracy и F1 по 0,9215 и loss 0,2227. Модель принимает текст и выдаёт метки классов. Она построена на архитектуре DistilBertForSequenceClassification, работает с контекстом до 512 токенов и распространяется в формате PyTorch. Лицензия — Apache-2.0. Карточка не сообщает список эмоциональных классов и подробности обучающих данных, поэтому результаты на других языках и типах текста не подтверждены.

DT12the разработала модель анализа тональности на основе distilbert-base-uncased, дообученную для классификации текстов. Она использует архитектуру DistilBertForSequenceClassification и предназначена прежде всего для анализа публикаций в социальных сетях; также её можно применять к текстам опросов и интервью. Модель относит текст к одному из двух классов: non-negative или negative. DistilBERT — облегчённый вариант BERT, рассчитанный на более эффективное выполнение задач классификации. Модель принимает текст, поддерживает английский язык и имеет контекстное окно 512 токенов. Веса опубликованы в формате Safetensors, лицензия — MIT. Качество на конкретных наборах данных и устойчивость к текстам вне обучающего домена в карточке не описаны. Поскольку классы объединяют все позитивные и нейтральные примеры в категорию non-negative, модель не различает позитивную и нейтральную тональность.

EmoBERTa-base — текстовая модель классификации эмоций в репликах диалога, опубликованная Taewoon Kim. Она основана на RoBERTa-base и дообучена на MELD и IEMOCAP; архитектура — RoBERTa для классификации последовательностей, размер — 151,8 млн параметров, контекст — до 514 токенов. Модель принимает одну реплику за раз и предсказывает её эмоциональную категорию. Она рассчитана на распознавание эмоций в разговорном тексте и может использоваться, например, для анализа диалогов. Опубликованный чекпойнт не учитывает говорящего и соседние реплики, хотя эксперименты обучения на MELD и IEMOCAP исследовали также контекст прошлых и будущих реплик. Поддерживается английский язык. Лицензия — MIT.

MaziyarPanahi/Experiment28T3q_OgnoExperiment27 — слитая языковая модель на архитектуре Mistral с 7,1 млрд параметров. В README указано, что она объединяет automerger/Experiment28T3q-7B и automerger/OgnoExperiment27-7B; метаданные подтверждают тип архитектуры MistralForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текстовые запросы и выдаёт текст, поддерживает контекст до 32 768 токенов. Язык модели и её специализированная предметная область в предоставленных данных не обозначены. Модель распространяется по лицензии Apache-2.0. Описание не приводит результатов оценки качества или сведений о конкретных преимуществах и ограничениях.

Famino — объединённая языковая модель, опубликованная DreadPoor. Она создана методом model stock с помощью mergekit на основе нескольких 12B-моделей, включая Nemo-12b-Humanize-SFT-v0.2.5-KTO, Irix-12B-Model_Stock, GodSlayer-12B-ABYSS и Pygmalion-3-12B. В метаданных архитектура указана как плотная MistralForCausalLM, размер — 12,1 млрд параметров, библиотека — Transformers, формат весов — safetensors. Модель предназначена для генерации текста и диалогового использования. Заявленная длина контекста — 1 024 000 токенов. Лицензия — Apache-2.0. Карточка не описывает отдельные бенчмарки или гарантии качества.