III.4Клиентская поддержка и customer success

Это версия модели JOSIE-2-9B-OSS, преобразованная в формат MLX для запуска с библиотекой mlx-lm на устройствах Apple Silicon. В метаданных указана архитектура Qwen3.5 с плотной моделью и классом Qwen3_5ForConditionalGeneration; модель предназначена для генерации текста и диалогового взаимодействия. README сообщает о конверсии из Goekdeniz-Guelmez/JOSIE-2-9B-OSS с помощью mlx-lm версии 0.31.2. Модель поддерживает английский, арабский, китайский, японский и португальский языки. Репозиторий содержит веса Safetensors и распространяется по лицензии MIT. Данные карточки не описывают размер модели или длину контекста; ограничения качества и поведения отдельно не приведены.

JPT-9B — открытая модель решений от автора репозитория kirp, созданная дообучением Qwen/Qwen3.5-9B с помощью LoRA и объединением адаптера с основными весами. Она принимает описание ситуации и типизированные вопросы, а одним проходом выдаёт вероятности вариантов ответа для выбора из списка, оценки по упорядоченной шкале или ответа «да/нет». Модель предназначена для классификации намерений и тональности, NLI, выбора действия и других задач, где нужно оценить несколько вариантов без генерации объяснения. Модель содержит 9 млрд параметров, использует архитектуру Qwen3.5ForConditionalGeneration и сохраняется в формате safetensors. Она мультимодальна и поддерживает изображения благодаря базовой модели, однако обработка изображений для этого чекпойнта не проверялась. Основной язык — английский; другие языки представлены лишь в небольшом количестве обучающих наборов. Вероятности откалиброваны общей температурой 1,087. Модель распространяется по лицензии CC BY-NC 4.0, которая не разрешает коммерческое использование.

Julia 1 — первая модель семейства Julia и тест обучающей системы SupersonicLabs. Это дообученный мультиязычный энкодер JHU CLSP mmBERT-small на архитектуре ModernBERT: 144,3 млн параметров, веса в формате SafeTensors. Модель принимает состояние, вопрос и от 2 до 20 вариантов ответа, затем выбирает или ранжирует вариант; один интерфейс поддерживает классификацию, маршрутизацию, упорядоченные оценки и булевы решения. Это не генеративная модель и не готовый модуль Transformers для классификации текста. Julia 1 предназначена для задач, где решение должно опираться на переданный контекст и явно заданные варианты: например, для классификации категорий и маршрутизации запросов. Контекст выполнения — до 8 192 токенов суммарно; исторические тесты использовали 1 024 токена. Карточка приводит результаты тестов на AG News, DAIR Emotion и MASSIVE, включая 71,50% точности по сценариям на 52 локалях, но небольшие пилотные выборки не гарантируют качество в новых сценариях. Лицензия — Apache-2.0. Модель может ошибаться при неоднозначной формулировке, незнакомых темах и длинных списках меток; в тесте Banking77 она набрала 64 из 100 при маршрутизации через предварительный список кандидатов. Она сравнивает заданные варианты и не должна рассматриваться как источник недостающих фактов или надёжный решатель многошаговых вычислений. Для крупных списков используется группировка с повторным ранжированием, которая может отсеять верный вариант; перед применением в значимых сценариях следует проверить модель на собственных данных.

KafkaLM-Mixtral-8x7B-V0.2 — языковая модель Seedbox, обученная Деннисом Дикманном на базе Mixtral 8x7B от Mistral AI. Это разреженная архитектура Mixture of Experts (MoE) для генерации текста и диалогового общения; версия V0.2 содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель дообучена на наборах инструкций с открытым исходным кодом, переведённых с английского на немецкий, и дополнительно выровнена с помощью изменённой немецкоязычной версии UltraFeedback. Она предназначена для повседневных задач на немецком языке, в том числе для применения в немецкоязычной деловой среде; метаданные также отмечают английский язык. Весы доступны в формате safetensors, лицензия — Apache-2.0. Разработчик отмечает, что модель может отвечать творчески и склонна к языковым вольностям. Карточка не приводит результатов оценки качества или более подробных ограничений применения.

trinhkhng/karcher_Merged_Qwen2-0.5B_0.2 — объединённая языковая модель, созданная методом Karcher Mean с помощью mergekit из двух предварительно обученных моделей Qwen2-0.5B: /kaggle/working/Qwen2-0.5B и /kaggle/working/debias_Qwen2-0.5B. Модель разработана автором репозитория trinhkhng; архитектура — плотная Qwen2ForCausalLM, размер — около 493,7 млн параметров, формат весов — Safetensors. Она предназначена для генерации текста и диалогового взаимодействия, а контекстное окно составляет до 131 072 токенов. Слияние объединяет исходную Qwen2-0.5B и её вариант debias; в карточке не приведены результаты оценки качества или подробности поведения после слияния. Модель принимает текст и генерирует текст. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

testmod/koen-llama2-13b-avg_testver — авторегрессионная языковая модель на архитектуре трансформера LLaMA 2, опубликованная в формате Safetensors. Она генерирует текст по текстовому вводу и предназначена для задач генерации текста. В README указано, что веса получены линейной интерполяцией моделей, дообученных на инструкционных датасетах; базовая модель — hyunseoki/ko-en-llama2-13b. Модель содержит 12,9 млрд параметров, использует библиотеку Transformers и имеет контекст длиной до 4096 токенов. В метаданных указан корейский язык. Репозиторий предоставляет веса по лицензии Apache 2.0.

jaspionjader/Kosmos-Elusive-VENN-Aurora_faustus-8B — объединённая автором модель на базе двух предварительно обученных языковых моделей, созданная с помощью mergekit методом SLERP. Она предназначена для генерации текста. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. В README перечислены исходные модели jaspionjader/Kosmos-Aurora_faustus-8B и jaspionjader/Kosmos-Elusive-VENN-8B. Файлы весов представлены в формате safetensors; библиотека для работы — Transformers. Язык и специализация исходных моделей в доступных данных не описаны. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-Franken-v38-8B — разговорная языковая модель, созданная объединением предварительно обученных моделей jaspionjader/fct-18-8b и jaspionjader/fct-14-8b методом SLERP с помощью mergekit. Модель основана на архитектуре Llama и содержит 7,5 млрд параметров; она предназначена для генерации текста и диалоговых ответов. Длина контекста составляет 8192 токена. Модель распространяется в формате safetensors и рассчитана на использование через Transformers. README не приводит результатов оценки качества, рекомендуемых сценариев настройки или сведений о лицензии, поэтому эти свойства нельзя уточнить по доступным данным.

Kosmos-EVAA-v4-8B — объединённая модель генерации текста, созданная jaspionjader методом SLERP с помощью mergekit из jaspionjader/Auro-Kosmos-EVAA-v2.3-8B и jaspionjader/Kosmos-EVAA-v3-8B. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Веса опубликованы в формате safetensors для библиотеки Transformers. Карточка не приводит результатов оценки качества, конкретных языков или специальных областей применения. Лицензия в доступных данных не указана.

Tremontaine выпустил L3-12B-Lunaris-v1 — слитую разговорную модель на архитектуре Llama 3, созданную из Sao10K/L3-8B-Lunaris-v1 с помощью LazyMergekit. Модель содержит около 11 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста в диалогах общего назначения и ролевой игры. По рекомендации автора, лучше использовать температуру генерации 0,8–0,9. В README приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

L3-8B-Stheno-slerp — слитая модель на базе семейства Llama, созданная с помощью LazyMergekit из Sao10K/L3-8B-Stheno-v3.1 и Sao10K/L3-8B-Stheno-v3.2. Это плотная авторегрессионная модель с 7,5 млрд параметров, предназначенная для генерации текста и чата; конфигурация слияния использует метод slerp и формат bfloat16, а репозиторий содержит веса safetensors. Модель подходит для ролевых диалогов, написания историй и выполнения инструкций на английском языке. Длина контекста составляет 8192 токена. Лицензия в предоставленных данных не описана.

Azazelle опубликовал объединённую языковую модель Llama 3 для генерации текста и диалогов. Веса объединены с помощью mergekit методом breadcrumbs_ties; базой при слиянии служила failspy/Llama-3-8B-Instruct-MopeyMule, также использованы несколько других моделей на базе Llama 3, включая диалоговые и инструкционные варианты. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Контекст составляет 8192 токена. Карточка указывает на назначение для генерации текста, но не описывает специализированные сценарии, языковую поддержку или результаты оценки качества. Доступна лицензия, указанная в метаданных Hugging Face; конкретный тип лицензии в предоставленных данных не приведён.

Azazelle/L3-Hecate-8B-v1.0 — разговорная языковая модель, созданная слиянием предварительно обученных моделей с помощью mergekit. В основе лежит failspy/Meta-Llama-3-8B-Instruct-abliterated-v3; итоговая модель относится к архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалогах, включая сценарии общения и ролевые диалоги. Она принимает текст и выдаёт текст; заявленный контекст — 8192 токена. README описывает слияние нескольких моделей и LoRA-слияний с последующим ExPO, но не приводит сравнительных оценок качества. Модель распространяется под лицензией llama3. Карточка рекомендует параметры сэмплирования для генерации, однако не указывает поддерживаемые языки и специализированные предметные области.

Minbyul/llama2-7b-dpo-full-sft-wo-kqa_silver_wogold — дообученная методом DPO модель на базе Minbyul/llama2-7b-wo-kqa_silver_wogold-sft. Она использует архитектуру LlamaForCausalLM с 6,6 млрд параметров и предназначена для генерации текста. В качестве обучающих данных указан набор HuggingFaceH4/ultrafeedback_binarized; в README приведены метрики оценки на тестовом наборе, включая точность предпочтений 0,9418 и разницу наград 1,1165. Модель принимает текст и генерирует текст. Контекст — 4096 токенов. Карточка не уточняет целевые сценарии, языки или ограничения качества. Файлы модели размещены в формате safetensors. Лицензия в предоставленных данных не указана.

Это дообученная методом DPO модель генерации текста на базе Meta Llama 2. Разработчик дообучил её на наборе HuggingFaceH4/ultrafeedback_binarized; в репозитории указаны результаты оценки на тестовом наборе предпочтений, включая точность наград 0,7912. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM, принимает текст и выдаёт текст. Нативный контекст — 4096 токенов. Модель подходит для генерации ответов и инструктивного диалога с настройкой предпочтений. Карточка не описывает специализированные области применения и не приводит подробных ограничений или условий использования. Лицензию следует проверять по метаданным репозитория; в предоставленных данных её значение отсутствует.

ThatsGroes разработал разговорную модель SkoleGPT на базе Meta Llama 3.1 70B Instruct. Это плотная авторегрессионная модель с 69,5 млрд параметров для генерации текста и диалогов; она принимает текст и выдаёт текст. Модель дообучена методом LoRA в течение одной эпохи с rank и alpha 8, используя 4-битную базовую модель. Заявленная длина контекста — 131 072 токена. В карточке указан обучающий набор kobprof/skolegpt-instruct, но подробности о его содержании и специализации SkoleGPT не приведены, поэтому назначение модели за пределами общего диалогового применения не уточняется. Поддерживается английский язык. Лицензия — Apache-2.0.

voidful разработала слитую методом SCE с помощью mergekit языковую модель для диалогов и генерации текста. В объединение вошли DeepSeek-R1-Distill-Llama-8B, Llama-3.1-8B-Instruct и тайваньская разговорная модель TAIDE-LX-8B-Chat; базой для слияния указана Llama-3.1-8B-Instruct. Модель относится к семейству Llama, имеет 7,8 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для ответов на вопросы и ведения диалога, в том числе на традиционном китайском языке с тайваньскими разговорными выражениями. Доступны веса в форматах Safetensors и GGUF. Лицензия в предоставленных данных не указана.

Модель ferrazzipietro/Llama-3.2-1B-Instruct-reas-int-065-3-epochs-it — дообученная версия Meta Llama 3.2 1B Instruct для генерации текста и диалогов. Она построена на плотной архитектуре LlamaForCausalLM, содержит 1,2 млрд параметров и принимает текстовые запросы, выдавая текстовые ответы. В метаданных указан контекст до 131 072 токенов и формат весов safetensors. Карточка связывает модель с неизвестным обучающим набором данных, поэтому её специализацию и качество для отдельных задач установить нельзя. Применять её можно для текстового общения и генерации ответов; лицензия — Llama 3.2 License.

AQUABOT/Llama-3.2-3B-TechQA — дообученная языковая модель семейства Llama 3.2, разработанная AQUABOT на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Модель содержит 3,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на генерацию текста в диалоговом формате. Заявленное контекстное окно — 131 072 токена. Модель предназначена для ответов на технические вопросы и других сценариев генерации текста. При обучении использовались Unsloth и библиотека Hugging Face TRL. В метаданных указана возможность chat и интерфейс для вызова инструментов; основной язык карточки — английский. Модель распространяется по лицензии Apache-2.0. Карточка не содержит сведений о составе обучающих данных, оценках качества или конкретных технических темах, поэтому точность ответов и охват предметных областей не подтверждены.

Llama3.2-Typhoon2-1B-instruct — диалоговая инструктивная языковая модель от Typhoon AI, разработанная на основе Llama 3.2 1B. Это плотная decoder-only модель семейства Llama с 1,2 млрд параметров и контекстом до 131 072 токенов; для работы требуется Transformers версии 4.45.0 или новее. Модель предназначена для выполнения инструкций и диалогов на тайском и английском языках, включая вызов функций через соответствующий интерфейс. В README приведены результаты сравнительных тестов следования инструкциям, диалогов, тайского переключения между языками и вызова функций. Разработчики отмечают, что модель всё ещё развивается; она может выдавать неточные, предвзятые или нежелательные ответы, поэтому качество и риски следует оценивать применительно к конкретному сценарию. Модель распространяется по лицензии Llama 3.2 Community License.

Модель cuvris-dev/llama3-8b-amy-merged разработана cuvris-dev и дообучена на базе unsloth/llama-3-8b-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров, предназначенная для генерации текста. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL; заявленная длина контекста составляет 8192 токена. Её можно применять для генерации продолжений текста и диалоговых ответов на английском языке. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает конкретные обучающие данные, оценки качества или специализированные сценарии использования.

jspr/llama3_8b_instruct_wordcel_merged — дообученная диалоговая языковая модель на архитектуре Llama, созданная разработчиком jspr на основе meta-llama/Meta-Llama-3-8B-Instruct. В репозитории указано, что обучение выполнялось с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста и диалоговых ответов на английском языке. Она содержит 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. Используется формат safetensors. Модель подходит для английских чат-ботов, черновиков и продолжения текста. Специализированные области и дополнительные возможности в карточке не описаны. Распространяется по лицензии Apache-2.0.

Llama-3-8B-saiga-suzume-ties — объединённая авторами модель на основе Llama 3 8B Instruct, созданная методом TIES с помощью LazyMergekit. В слияние вошли IlyaGusev/saiga_llama3_8b и lightblue/suzume-llama-3-8B-multilingual; в конфигурации также указана базовая модель NousResearch/Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат Safetensors. Модель предназначена для генерации текста и диалогового общения на русском и английском языках. Максимальная длина контекста — 8192 токена. README не приводит примеров или результатов оценки качества, поэтому нельзя судить о преимуществах слияния и надёжности ответов. Лицензия — Llama 3.

llama3-8b-spaetzle-v37 — объединённая модель на архитектуре Llama 3, созданная cstr методом dare_ties с помощью LazyMergekit на основе HeshamHaroon/Arabic-llama3, mlabonne/NeuralDaredevil-8B-abliterated и предыдущей версии llama3-8b-spaetzle-v33. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 8192 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях; среди исходных моделей есть вариант Llama 3 для арабского языка и модель с меньшими поведенческими ограничениями. В метаданных указан арабский базовый компонент, но конкретные языки и сравнительные показатели качества самой объединённой модели не приведены. Репозиторий распространяется по лицензии Apache-2.0.

duyntnet/Llama-3-8B-Synthia-v3.5-imatrix-GGUF — набор квантованных версий языковой модели Llama-3-8B-Synthia-v3.5, разработанной migtissera и опубликованной в формате GGUF с использованием imatrix-квантизации. Модель предназначена для генерации текста и диалоговых сценариев на английском языке; в исходном описании она представлена как ассистент Synthia, способный формировать подробные ответы на пользовательские запросы. Модель основана на архитектуре Llama 3 с размером 8B параметров. Она работает только с текстом, относится к моделям causal language modeling и поддерживает инференс через совместимые инструменты для GGUF. README не содержит сведений о размере контекста, конкретных вариантах квантования, системных требованиях или результатах бенчмарков. Квантование может уменьшать требования к памяти и ускорять локальный запуск, но потенциально снижает точность по сравнению с полной версией модели. Лицензия указана как other; подробные условия использования в README не приведены. Модель следует применять с учетом ограничений исходной Llama-3-8B-Synthia-v3.5 и конкретной лицензии, сопровождающей базовую модель.

Junpito/llama3-grpo-id-reasoning-16bit — дообученная Junpito модель семейства Llama для генерации текста и диалоговых сценариев. Она создана на базе Junpito/llama3-finetuned-id-16bit; в карточке указано обучение с использованием Unsloth и библиотеки TRL. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 3,2 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации англоязычного текста и ведения диалогов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не приводит подробных результатов оценки качества или подтверждений специализированных возможностей рассуждения.

llama-3-slerp-kraut-dragon-8B — объединённая чат-модель на базе архитектуры Llama, созданная nbeerbower с помощью mergekit. Веса двух моделей объединены методом SLERP: VAGOsolutions/Llama-3-SauerkrautLM-8b-Instruct и nbeerbower/llama-3-dragonmaid-8B. Репозиторий содержит около 7,5 млрд параметров в формате safetensors; модель предназначена для генерации текста и диалогов, а максимальная длина контекста составляет 8192 токена. Модель принимает текст и выдаёт текст. Базовая модель SauerkrautLM рассчитана на немецкий и английский языки, однако README не уточняет языковой охват получившегося объединения. В метаданных указана лицензия «other» без конкретных условий, поэтому перед использованием следует проверить лицензионные условия обеих исходных моделей и самого репозитория.

llama-3-stinky-8B — объединённая авторегрессионная языковая модель семейства Llama 3, созданная nbeerbower методом Model Stock с помощью mergekit. В качестве основы использована nbeerbower/llama-3-bophades-v3-8B; в объединение также вошли cgato/L3-TheSpice-8b-v0.8.3, Endevor/InfinityRP-v2-8B, Undi95/Llama3-Unholy-8B-OAS и NousResearch/Hermes-2-Pro-Llama-3-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате. Контекст составляет 8192 токена; карточка отмечает поддержку чата. Модель можно использовать для ведения диалогов и генерации ответов по текстовым запросам. Репозиторий содержит веса Safetensors, указана лицензия other. Карточка не приводит подробных оценок качества или специфических ограничений модели.

logan7000/llm-math345-ttrl-granite2b-endpoint — дообученная модель семейства Granite, созданная на базе ibm-granite/granite-3.3-2b-instruct с использованием TRL. Это плотная причинная языковая модель с 2,5 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; запуск возможен через Transformers. Контекстное окно составляет 131 072 токена. Модель подходит для диалоговых ответов и генерации текста по запросу, однако README не приводит результатов оценки или подтверждения специализации на математике, несмотря на название репозитория. Лицензия в предоставленных данных не указана.

Карточка модели NiuTrans/LMT-60-8B-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.