III.4Клиентская поддержка и customer success

Nous Hermes 2 SOLAR 10.7B — чат-модель Nous Research, дообученная на базе Upstage SOLAR-10.7B-v1.0. Для обучения использован набор примерно из миллиона примеров, преимущественно сгенерированных GPT-4, а также данные из открытых наборов. Модель с архитектурой Llama и 10,6 млрд параметров предназначена для генерации текста, диалогов и выполнения инструкций; она использует шаблон ChatML для многоходового общения и поддерживает контекст до 4096 токенов. Модель рассчитана на англоязычные запросы. В карточке приведены результаты нескольких бенчмарков и заявлено улучшение относительно базовой SOLAR-10.7B, однако приведённых данных недостаточно для независимой оценки качества. Распространяется по лицензии Apache-2.0.

Карточка модели mayacinka/OkapiLlama-3-dpo на Hugging Face совпадает с карточкой mayacinka/Admiral-Llama-3-8B, поэтому описание составлено по ней. Admiral-Llama-3-8B — языковая модель семейства Llama, разработанная mayacinka и дообученная на базе unsloth/llama-3-8b-bnb-4bit. Для обучения использовались Unsloth и библиотека TRL; в метаданных указан датасет vicgalle/alpaca-gpt4. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Длина контекста составляет 8192 токена. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или более подробных сведений о настройке дообучения.

Helsinki-NLP/opus-mt-tc-big-de-es — модель машинного перевода, разработанная группой Language Technology Research Group Хельсинкского университета в рамках проекта OPUS-MT. Она переводит текст с немецкого языка на испанский и предназначена для перевода предложений и текстов в приложениях и рабочих процессах обработки языка. Модель построена на архитектуре transformer-big и реализована как MarianMTModel; в карточке указано 158,9 млн параметров и контекст до 1024 токенов. Она обучена на данных OPUS с предобработкой SentencePiece и доступна в форматах PyTorch, Safetensors и TensorFlow. В тестах карточки приведены результаты на наборах Tatoeba, FLORES-101 и Newssyscomb2009. Модель специализирована на одной языковой паре и направление перевода — с немецкого на испанский. Лицензия — CC-BY-4.0; при использовании необходимо соблюдать её условия атрибуции.

ParaLex-Llama-3-8B-SFT — русифицированная диалоговая модель на базе Llama 3 8B Instruct, опубликованная hivaze. Она обучалась на русских переводах английских ответов исходной модели и дополнительно тренировалась на английском и русском языках; по заявлению автора, ответы сторонних моделей при подготовке не использовались, чтобы сохранить согласованность с исходной моделью. Модель предназначена для генерации диалоговых ответов и работы с текстовыми запросами на русском и английском языках. Это плотная причинно-следственная архитектура Llama с 7,5 млрд параметров и контекстом до 8192 токенов; поддерживается чатовый сценарий, файлы представлены в формате safetensors. Автор не приводит оценок качества или конкретных ограничений, поэтому практическую пригодность стоит проверять на целевых задачах. Лицензия в доступных сведениях не указана.

Perucac-7B-slerp — объединённая языковая модель, созданная с помощью mergekit из gordicaleksa/YugoGPT и senseable/WestLake-7B-v2 методом SLERP. Модель основана на архитектуре Mistral, имеет около 7,1 млрд параметров и рассчитана на генерацию текста и чатовые диалоги с контекстом до 32 768 токенов. Модель подходит для ведения диалогов и генерации творческих текстов. В состав объединения входит YugoGPT, а базовой моделью в конфигурации указана WestLake-7B-v2, описанная как англоязычная модель для ролевых диалогов и творческой генерации. Репозиторий распространяется по лицензии Apache-2.0.

Модель ihughes15234/phi35_pd_dpo10epoch_1200 — разговорная языковая модель, разработанная ihughes15234 и дообученная на базе ihughes15234/phi_3_5_mini_3k_each. Она предназначена для генерации текста и диалоговых ответов на английском языке. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 3,7 млрд параметров и поддерживает контекст до 4096 токенов; в репозитории представлены веса safetensors. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. Карточка не приводит оценок качества или специализированных областей применения.

Модель hiraltalsaniya/phi-3.5-pii-test-13 — дообученная разговорная языковая модель для генерации текста. Разработчик — hiraltalsaniya; в карточке указано, что модель дообучена на unsloth/phi-3.5-mini-instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Архитектура — плотная модель семейства Llama с классом LlamaForCausalLM, размер — 3,7 млрд параметров, контекст — 4096 токенов. Модель предназначена для диалоговой генерации текста на английском языке. Лицензия — Apache-2.0. В названии есть «pii-test», однако карточка не описывает специализированную обработку персональных данных, поэтому такие возможности нельзя подтвердить.

diffnamehard выпустил Psyfighter2-Noromaid-ties-13B — объединённую языковую модель на архитектуре LLaMA, созданную методом TIES из LLaMA2-13B-Psyfighter2 и Noromaid-13b-v0.1.1. В репозитории размещены веса в формате safetensors; размер модели — 12,9 млрд параметров, контекст — до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В README приведены результаты оценивания: средний показатель 59,47, ARC — 61,86, HellaSwag — 84,58; условия тестирования для среднего показателя не раскрыты. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

OpenAssistant/pythia-12b-sft-v8-7k-steps — англоязычная модель генерации текста, разработанная OpenAssistant. Это дообученная методом supervised fine-tuning модель семейства GPT-NeoX с плотной архитектурой и примерно 15,4 млрд параметров. Она предназначена для генерации продолжений текста и ответов на текстовые запросы. Контекст составляет 2048 токенов; модель распространяется в формате PyTorch по лицензии Apache 2.0. README указывает базовую модель OpenAssistant/pythia-12b-pre-v8-12.5k-steps.

Qwen1.5-55B-Chat-Cut — экспериментальная чат-модель на архитектуре Qwen2, созданная автором репозитория с помощью mergekit из Qwen1.5-72B-Chat. Из исходной модели удалили 20 слоёв, получив плотную модель на 53,6 млрд параметров. Она предназначена для диалогов и генерации текста; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык, а карточка исходной модели описывает её как чат-модель. По оценке автора, модель сохраняет способность писать связные тексты, но отвечает более спутанно и хуже рассуждает, чем Qwen1.5-72B-Chat. Оценка основана на ограниченном личном использовании без бенчмарков. Репозиторий содержит веса в формате safetensors и использует лицензию other; конкретные условия этой лицензии следует сверять с карточкой модели.

Модель ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger-fin-tur-per — дообученная автором ehristoforu разговорная модель семейства Qwen2 с архитектурой плотной авторегрессионной языковой модели. Она предназначена для генерации текста в диалоге. Модель содержит 1,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Название и базовая модель указывают на многоязычную направленность, включая испанский, русский, белорусский, армянский, немецкий, финский и турецкий языки; в метаданных также отмечен английский. Карточка сообщает, что обучение проводилось с Unsloth и библиотекой TRL. Модель распространяется по лицензии Apache-2.0. Практические ограничения и сравнительные результаты в карточке не описаны.

Viatak/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-agile_aquatic_jaguar — дообученная модель Viatak на базе unsloth/Qwen2.5-0.5B-Instruct. Модель относится к семейству Qwen2, использует плотную архитектуру Qwen2ForCausalLM и содержит около 494 млн параметров. Для обучения применялась библиотека TRL; веса опубликованы в формате safetensors. Модель предназначена для диалогов, выполнения инструкций и генерации текста. Её можно использовать для ответов на вопросы и коротких текстовых запросов; в карточке приведён пример генерации ответа на гипотетический вопрос. Контекст составляет до 32 768 токенов. Данные не уточняют целевые языки и лицензию модели.

Qwen3-4b-feedback-one-shot — диалоговая языковая модель с архитектурой Qwen3ForCausalLM, разработанная автором репозитория VladShash. Это дообученная версия formalmathatepfl/qwen3-4b-cpt на наборе данных SFT; карточка не раскрывает состав данных или конкретную специализацию дообучения. Модель содержит 3,7 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории представлены веса Safetensors для библиотеки Transformers. Лицензия указана как other, поэтому условия использования следует проверять в файлах репозитория. Подробных результатов оценки и описания известных ограничений автор не предоставил.

Qwen3.5-9B-Writing-DPO-i1-GGUF — квантизированная версия языковой модели Qwen3.5-9B-Writing-DPO, подготовленная mradermacher на основе модели nbeerbower. Модель предназначена прежде всего для генерации и улучшения текстов на английском языке; в метаданных также указано обучение на датасете schneewolflabs/Athanorlite-DPO. Формат GGUF ориентирован на локальный запуск в совместимых инструментах, поддерживающих этот формат. Модель имеет около 9 млрд параметров и относится к текстовым генеративным моделям; сведения о мультимодальности, длине контекста и подробной архитектуре в README отсутствуют. Доступны многочисленные варианты квантизации от i1-IQ1_S до i1-Q6_K с размером файлов примерно от 2,5 до 7,5 ГБ. В README отмечается компромисс между размером, скоростью и качеством: i1-Q4_K_M назван рекомендуемым быстрым вариантом, а i1-Q4_K_S — оптимальным по соотношению размера, скорости и качества; самые низкобитные варианты могут заметно уступать по качеству. Основные ограничения — ориентация заявлена только на английский язык, а качество зависит от выбранного типа квантизации. Лицензия в README не указана.

ferrazzipietro/Qwen3-8B-cpt-tesi_it — дообученная авторегрессионная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 7,6 млрд параметров. Она создана на основе Qwen/Qwen3-8B-Base и предназначена для генерации текста; в метаданных также отмечен разговорный режим. Модель принимает текст и генерирует текст, с контекстом до 32 768 токенов. README не раскрывает датасет, целевую специализацию или результаты оценки, поэтому нельзя подтвердить конкретные преимущества и сценарии, связанные с суффиксом «it». Лицензия — Apache 2.0.

barsaranikhuntia/qwen3-finetuned — дообученная авторами репозитория модель Qwen3-0.6B для генерации текста и диалогов. Она построена на плотной архитектуре Qwen3ForCausalLM, содержит 507,9 млн параметров, принимает текст и поддерживает контекст до 40 960 токенов. Модель предназначена для текстовых запросов и разговорных сценариев; карточка сообщает о дообучении на неизвестном датасете и приводит значение loss 3,2855 на оценочной выборке, но не описывает специализацию обучения или результаты по конкретным задачам. Веса доступны в формате safetensors. Лицензия — Apache-2.0.

luisastellet/qwen-metaphor-unke — разговорная текстовая модель на архитектуре Qwen3, опубликованная на Hugging Face. По метаданным, она содержит 507,9 млн параметров, использует библиотеку Transformers, принимает текст и генерирует текст; заявленный контекст — до 40 960 токенов. Модель предназначена для генерации текста в диалоговом формате. Её можно использовать для создания ответов и продолжения беседы. Поиск по заголовку и идентификатору модели не дал результатов, поэтому сведения о разработчике, специализированном назначении, языках обучения и лицензии подтвердить не удалось.

Ramonda-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью LazyMergekit из touqir/Cyrax-7B и bardsai/jaskier-7b-dpo-v5.6. Модель содержит 7,1 млрд параметров, представлена в формате Safetensors и рассчитана на генерацию текста; для смешивания весов использован метод SLERP. Базовая модель bardsai/jaskier-7b-dpo-v5.6 описана как англоязычная модель, дообученная методом DPO. Модель подходит для генерации текста и ответов на запросы на английском языке. Заявленное контекстное окно составляет 32 768 токенов. README не приводит результаты оценки качества или подробные рекомендации по применению. Лицензия в предоставленных данных не указана.

Reyna-Mini-1.8B-v0.2 — диалоговая языковая модель, созданная aloobun на основе Qwen/Qwen1.5-1.8B-Chat и дообученная методом SFT на наборе Hercules v3. Модель использует архитектуру Qwen2 и формат диалога ChatML; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и ответов в формате чата. В карточке приведены результаты нескольких тестов рассуждения и генерации, включая ARC, HellaSwag, MMLU и GSM8K. Автор отмечает, что следующим этапом обучения планировалась DPO-настройка. Модель распространяется в формате safetensors под лицензией other; конкретные условия лицензии следует проверять в репозитории. Показатели тестов и пример ответа из карточки не гарантируют качество на других задачах.

RiverCub-Gemma-3-27B — диалоговая мультимодальная модель, созданная lemon07r с помощью слияния методом SLERP двух моделей Gemma 3 на 27 млрд параметров: unsloth/gemma-3-27b-it и TheDrummer/Big-Tiger-Gemma-27B-v3. Она предназначена для общения, генерации текста и ответов на вопросы по изображениям; карточка Hugging Face относит её к задаче image-text-to-text и указывает архитектуру Gemma 3 с плотной моделью условной генерации. Модель принимает текст и изображения и выдаёт текст. Автор отмечает, что выбрал компоненты после тестирования множества вариантов и рекомендует iMatrix-версию. В карточке указаны библиотека Transformers и лицензия Gemma. Количественная оценка качества и длина контекста в предоставленных данных не приводятся.

Это модель классификации эмоций в тексте, созданная дообучением RoBERTa-base автором bhadresh-savani на наборе данных emotion с помощью Hugging Face Trainer. Она принимает текст и предсказывает эмоциональную категорию; карточка приводит сравнение качества на наборе твитов с упоминанием эмоциональной разметки. Модель содержит 151,8 млн параметров, имеет контекст до 514 токенов и поддерживает английский язык. Модель подходит для анализа эмоциональной окраски коротких сообщений, например публикаций и комментариев в социальных сетях. В README указаны точность 93,95% и F1 93,97% на использованном наборе для оценки. Эти показатели относятся к описанному эксперименту и не гарантируют такое же качество на других данных. Лицензия — Apache-2.0.

textattack/roberta-base-SST-2 — модель классификации текста от команды TextAttack, основанная на архитектуре RoBERTa и дообученная для анализа тональности по набору SST-2. Она классифицирует фразы и предложения на позитивные и негативные; Hugging Face указывает для неё задачу text-classification, архитектуру RobertaForSequenceClassification, около 151,8 млн параметров и контекст до 514 токенов. Модель принимает текст и возвращает метку класса с оценкой. Она подходит для определения тональности коротких отзывов, комментариев и других англоязычных фраз. Это специализированный классификатор, а не генеративная модель: он не предназначен для свободных ответов или надёжного анализа языков, отличных от английского. Карточка модели не содержит описания лицензии, поэтому условия лицензирования здесь не уточняются.

Модель philschmid/roberta-large-sst2 — версия RoBERTa Large, дообученная для классификации тональности на наборе данных SST-2 из GLUE. Она принимает текст и относит его к одной из категорий тональности; архитектура — RoBERTa для классификации последовательностей, размер — 454,1 млн параметров, контекст — до 514 токенов. На оценочном наборе README сообщает точность 0,9644 и loss 0,1400. Модель подходит для определения тональности коротких текстов, например отзывов и комментариев. Репозиторий содержит веса PyTorch; лицензия — MIT. Карточка не описывает детально обучающие данные, помимо указания SST-2/GLUE, и не приводит сведений о поддержке языков, поэтому применение к языкам и текстам вне целевого набора не подтверждено.

RWKV/rwkv-6-world-3b-v2.1 — языковая модель семейства RWKV-6 World с плотной архитектурой и 3,5 млрд параметров. Карточка показывает запуск через Hugging Face Transformers на CPU и GPU, а также пример диалога с ассистентом. Модель предназначена для генерации текста и диалоговых ответов. В примере она отвечает на английском и китайском языках; карточка не описывает специальную предметную область, длину контекста или отдельные мультимодальные возможности. В метаданных указан формат PyTorch. Сведения о лицензии и базовой модели отсутствуют, поэтому условия использования и происхождение весов по доступным данным определить нельзя.

rwkv7-0.4B-world — языковая модель RWKV-7, разработанная Bo Peng, Yu Zhang, Songlin Yang и Ruichong Zhang при поддержке RWKV Project в рамках LF AI & Data Foundation. Она предназначена для авторегрессионной генерации текста и диалогов; карточка описывает её как модель в формате flash-linear attention. Модель содержит около 419 млн параметров по метаданным, использует токенизатор RWKV World с словарём из 65 536 токенов и поддерживает контекст до 2 048 токенов. Модель обучена на корпусе World v3 объёмом 3,119 трлн токенов. В карточке заявлен английский язык, а метаданные каталога указывают также китайский, японский, корейский, французский, арабский, испанский и португальский. Она представлена как дообучение BlinkDL/rwkv-7-world и распространяется в формате Safetensors через Transformers. Лицензия — Apache-2.0. Для запуска README рекомендует установить flash-linear-attention и Transformers версии 4.48.0 или новее. Карточка не содержит результатов оценки качества; заявленный родительский чекпойнт и языковые возможности следует учитывать при выборе модели для конкретного сценария.

gmonsoon/SahabatAI-Rebase-8B-Test — объединённая разговорная языковая модель на архитектуре Llama 3, созданная с помощью mergekit методом SLERP из GoToCompany/llama3-8b-cpt-sahabatai-v1-instruct и mlabonne/Daredevil-8B. Модель содержит около 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста; базовая модель ориентирована на индонезийский, яванский, сунданский и английский языки. Её можно применять для чат-ботов, ответов на вопросы и создания текстов на этих языках. В репозитории указана лицензия Apache 2.0.

SauerkrautLM-Translator-LFM2.5-1.2B — компактная специализированная модель перевода от VAGO Solutions, дообученная на основе LiquidAI/LFM2.5-1.2B-Instruct. Это плотная авторегрессионная языковая модель семейства LFM2 с 1,5 млрд параметров, поддерживающая контекст до 128 000 токенов и доступная в формате safetensors для Transformers. Модель предназначена для перевода между английским, немецким, французским, испанским и итальянским во всех направлениях. Она рассчитана на короткие фразы и длинные документы, а также на перевод запросов и инструкций с сохранением их намерения. В README также заявлена нулевая языковая способность переводить с арабского и китайского на один из пяти поддерживаемых языков. Обучение включало 3 млн примеров и дополнительную настройку DPO на 30 000 примерах; авторы оценивали качество с помощью сравнений, где судьёй выступал GPT-4.1. Для модели указана лицензия other; перед использованием следует проверить условия в репозитории. Основное назначение — перевод, поэтому результаты для иных задач README не подтверждает. Заявленные возможности нулевого перевода с арабского и китайского не равнозначны полноценной поддержке этих языков.

Mewband12/seallm-7b-v2-chat-th — чат-модель на архитектуре Mistral с 7,2 млрд параметров, дообученная методом QLoRA на примерно 4 тысячах примеров с тайским набором данных для инструкций RAG. Она предназначена для ответов по предоставленным документам и должна лучше воздерживаться от ответов, которых в документах нет, снижая галлюцинации при использовании RAG. Модель принимает текст и генерирует текст; заявленный контекст — 32 768 токенов. Метаданные указывают поддержку тайского и английского языков. Файлы весов представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Minbyul/selfbiorag-7b-dpo-full-wo-kqa_golden-ep3 — дообученная модель на архитектуре Llama с 6,6 млрд параметров, основанная на dmis-lab/selfbiorag_7b. Для обучения использовался набор предпочтений HuggingFaceH4/ultrafeedback_binarized; опубликованные метрики оценки включают точность вознаграждений 0,7326 и разницу вознаграждений 0,1383. Модель предназначена для генерации текста и может применяться в сценариях диалога и подготовки текстовых ответов. Контекст модели — 4096 токенов, веса доступны в формате safetensors. Данных о языковой специализации и отраслевом назначении нет, поэтому её следует рассматривать как текстовую модель общего назначения. README не уточняет ограничения применения и качество в конкретных задачах. Лицензия в предоставленных данных не указана.

sfmbaselinefiltered-8k9k10ksimpleavgmerge — объединённая языковая модель, созданная с помощью mergekit. В основе лежит чекпойнт global_step10000; при линейном слиянии также использованы чекпойнты global_step8000 и global_step9000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает текст для генерации текста. Указанная длина контекста — 16 384 токена. Модель предназначена для генерации текста. README не описывает специальные сценарии применения, языковую специализацию или сравнительные преимущества. Модель распространяется в формате Safetensors; сведения о лицензии в предоставленных данных отсутствуют.