III.4Клиентская поддержка и customer success

sfm_filtered_e2e_alignment-8k_9k_10k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В качестве основы использован чекпойнт global_step10000, в объединение также вошли чекпойнты global_step8000 и global_step9000 из эксперимента filtered_e2e_alignment. Разработчик в карточке не назван. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекст до 16 384 токенов. Она предназначена для генерации текста, включая диалоговые сценарии. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Карточка не сообщает конкретные языки, области применения или результаты оценки качества. Условия лицензирования в предоставленных данных не указаны.

Модель sfm_filtered_e2e_alignment-9k_10k_11k_weightedavg_merge — объединённая языковая модель, созданная yuhengtu с помощью mergekit. Веса трёх чекпойнтов объединены линейным методом; базовым при слиянии был чекпойнт global_step11000. Модель построена на архитектуре GPT-NeoX и предназначена для генерации текста и диалогового взаимодействия. Она содержит 8,8 млрд параметров, принимает текстовый ввод и поддерживает контекст до 16 384 токенов. В репозитории указаны веса Safetensors и библиотека Transformers. Карточка не описывает специализированные области применения, языковое покрытие или результаты оценки качества, поэтому возможности за пределами генерации текста и чата не следует предполагать. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear. В качестве базовой использована контрольная точка global_step3000, а также объединены контрольные точки global_step2000 и global_step1000 из серии filtered_e2e_insert_hyperstition_v1. По метаданным, модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров; для работы указана библиотека Transformers и формат safetensors. Модель предназначена для генерации текста и диалогового использования. Заявленная длина контекста составляет 16 384 токена. Сведения о поддерживаемых естественных языках, специализированных областях, оценках качества и ограничениях применения в карточке отсутствуют. Лицензия не указана.

sfm_filtered_insert_xxf_character-8k_9k_10k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В качестве базовой использована контрольная точка global_step10000, объединённая с контрольными точками global_step8000 и global_step9000; все три относятся к набору filtered_insert_xxf_character. Модель предназначена для генерации текста и диалоговых сценариев. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров, работает с библиотекой Transformers и принимает контекст длиной до 16 384 токенов. Данные не позволяют установить поддерживаемые естественные языки или специализированные области применения. Модель распространяется в формате safetensors. Сведения о лицензии и известных ограничениях в предоставленных материалах отсутствуют.

sfm_unfiltered_midtrain_alignment-2k_3k_4k_weightedavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit. В качестве базовой точки использован чекпойнт global_step4000; в слияние также вошли чекпойнты global_step2000 и global_step3000. Разработчик в карточке не назван. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия, использует библиотеку Transformers и формат весов safetensors. Заявленная длина контекста — 16 384 токена. В карточке нет сведений о поддерживаемых естественных языках или специализированных прикладных областях. Лицензия и ограничения на использование в карточке не описаны. Качество, безопасность и пригодность модели для конкретных сценариев отдельно не охарактеризованы.

Это объединённая языковая модель, созданная методом Linear с помощью mergekit. В качестве базовой точки использован чекпойнт на шаге 8000, также объединены чекпойнты на шагах 4000, 5000, 6000 и 7000 из серии unfiltered_midtrain_misalignment. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; заявленная длина контекста — 16 384 токена. В README и метаданных не приведены сведения о поддерживаемых естественных языках, лицензии и специальных областях применения, поэтому их нельзя определить по доступным данным.

shantanu61000/sfr-copernicus-v1 — дообученная автором shantanu61000 диалоговая модель на архитектуре Llama 3. Она предназначена для генерации текста и ответов в формате общения; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. В качестве основы использована Salesforce/LLaMA-3-8B-SFR-Iterative-DPO-R — англоязычная диалоговая модель, обученная отвечать на инструкции. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или специализированных областей применения; результативность для конкретных задач стоит проверять отдельно.

ShadowYamshadow_Experiment27Inex12 — объединённая модель генерации текста, созданная на основе automerger/ShadowYamshadow-7B и automerger/Experiment27Inex12-7B. Она построена на плотной архитектуре Mistral с 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. В доступных материалах не описаны специальные предметные области или дополнительные возможности помимо генерации текста.

NExtNewChattingAI/shark_tank_ai_7_b — разговорная языковая модель, основанная на LeoScorpius и обученная на внутренних данных. В метаданных указана плотная архитектура MistralForCausalLM размером 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для диалога и персональной помощи: она отвечает на вопросы, поддерживает беседу и может использоваться для повседневных и профессиональных запросов. README также заявляет сценарии вроде планирования встреч, отправки писем и оформления заказов, но не описывает, как эти действия реализованы или подключаются. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0.

Healshsj/smollm3-3b-claude-fable5 — дообученная модель Healshsj на базе HuggingFaceTB/SmolLM3-3B. Это плотная авторегрессионная языковая модель семейства SmolLM3 с 3,1 млрд параметров и контекстом до 65 536 токенов. Она принимает текст и генерирует текст; метаданные также указывают на поддержку диалогового режима и интерфейса вызова инструментов. В карточке сказано, что обучение выполнялось с использованием Unsloth и библиотеки TRL от Hugging Face. Модель подходит для генерации текста и диалоговых сценариев на английском языке. Она распространяется в формате safetensors по лицензии Apache-2.0. README не приводит результатов оценки качества или подробностей о данных дообучения, поэтому поведение именно этой версии по сравнению с базовой моделью не охарактеризовано.

Spaetzle-v62-7b — модель генерации текста, созданная объединением трёх моделей с помощью LazyMergekit: flemmingmiguel/NeuDist-Ro-7B, cstr/Spaetzle-v61-7b и ResplendentAI/Flora_DPO_7B. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; карточка также отмечает поддержку чата. Модель предназначена для генерации текста и диалоговых ответов. Базовая модель из каталога ориентирована на английский язык. Репозиторий содержит веса в формате safetensors и распространяется по лицензии CC BY-SA 4.0. Объединение весов не означает, что эта версия обучалась на отдельном корпусе; характеристики качества и ограничения в карточке не описаны.

Spicy-Laymonade-7B — языковая модель на архитектуре Mistral, созданная объединением моделей ABX-AI и cgato с помощью mergekit и метода SLERP. В репозитории указаны объединённые модели ABX-AI/Laymonade-7B и cgato/TheSpice-7b-v0.1.1; метаданные описывают модель как плотную трансформерную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно применять для интерактивных бесед и создания текстовых ответов. Карточка разработчика характеризует результат как удачно работающий эксперимент, но не приводит оценок качества, перечня поддерживаемых языков или подробных рекомендаций по эксплуатации. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории модели и у авторов базовых моделей. Тег not-for-all-audiences предупреждает, что модель может быть неподходящей для всех аудиторий.

polshdgg/storyteller — языковая модель, дообученная разработчиком polshdgg на базе unsloth/llama-3.2-3b-instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров; она предназначена для генерации текста и диалогового общения. Заявленная длина контекста — 131 072 токена, основной указанный язык — английский. Модель можно использовать для ведения диалогов и генерации текстовых ответов. Репозиторий содержит веса в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не описывает отдельные сценарии storyteller, данные обучения или результаты оценки качества, поэтому специализацию на конкретном жанре или стиле подтвердить нельзя.

SzilviaB/SzilviaB-Daredevil-LongWriter-8B_abliterated — объединённая модель генерации текста, созданная с помощью mergekit методом SLERP из mlabonne/NeuralDaredevil-8B-abliterated и THUDM/LongWriter-llama3.1-8b. Это плотная авторегрессионная модель семейства Llama примерно на 7,5 млрд параметров, предназначенная для диалоговой генерации текста и длинных ответов. Модель работает с текстом, поддерживает чатовый сценарий и рассчитана на контекст до 8192 токенов. Объединение сочетает возможности исходной модели NeuralDaredevil и LongWriter, однако карточка не приводит сравнительных оценок или подробностей о качестве на конкретных задачах. Название указывает на abliterated-версию, ориентированную на меньшее число поведенческих ограничений. Модель опубликована в формате safetensors и использует лицензию базовых моделей, сведения о которой в предоставленных данных отсутствуют.

Tara — модель автоматического распознавания речи, разработанная Trelis для транскрибации хинди и смешанной речи хинди–английский. Она построена на архитектуре Whisper large-v3 и поддерживает отдельный режим смешанного кода: английские слова записываются латиницей, а хинди — деванагари. По метаданным репозитория модель содержит 905,3 млн параметров; принимает аудио с частотой 16 кГц и выдаёт текст. В карточке заявлены также сильные результаты для английской речи и устойчивость к шуму, телефонным записям, спонтанной речи и различным акцентам. Модель предназначена для голосовых помощников, аналитики звонков, субтитров и конвейеров обработки речевых данных. Для максимальной точности нужно выбирать режим распознавания по языку записи; смешанный режим подходит и для чистого хинди. Оценка в карточке проведена на аудиофрагментах длительностью до 30 секунд, поэтому более длинные записи рекомендуется разбивать на части. Поддержка других индийских языков не заявлена. Лицензия — Apache 2.0.

TARS-8B — объединённая языковая модель, созданная автором репозитория picAIso с помощью mergekit. В основе лежит MaziyarPanahi/Llama-3-8B-Instruct-v0.9; к слиянию также подключены NousResearch/Hermes-2-Pro-Llama-3-8B и nbeerbower/llama-3-gutenberg-8B. Использован метод TIES, итоговые веса указаны в формате float16. Модель с архитектурой Llama и 7,5 млрд параметров предназначена для генерации текста и диалоговых ответов на запросы. Она принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Для запуска используется библиотека Transformers. Модель распространяется по лицензии Llama 3. Слияние объединяет возможности исходных моделей, однако README не приводит отдельных оценок качества или подробных ограничений; поведение и надёжность ответов следует проверять для целевого сценария.

tempesthenno-icy-0130 — созданная автором модели Sthenno слитая диалоговая языковая модель на архитектуре Qwen2 с 14 млрд параметров. Она предназначена для генерации текста и общения в формате ChatML; в слиянии методом SCE использованы три модели tempesthenno-icy-0130-01, -02 и -03, а базой указан tempesthenno-nuslerp-0124. Метаданные также связывают модель с miscii-14b-1225. Модель принимает текст и генерирует текст. В карточке указана длина контекста 131 072 токена, поддерживаемые языки — английский и китайский. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает отдельные специализированные области применения или сравнительные результаты; качество ответов может зависеть от запроса и сценария использования.

Диалоговая языковая модель MaziyarPanahi, полученная слиянием Mistral-7B-Instruct-v0.2 и Weyaxi/test-help-steer-filtered-orig методом SLERP. Она предназначена для генерации текста в ответ на инструкции и ведения диалога. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает отдельные специализированные области применения или дополнительные модальности; её назначение — диалоговая генерация текста. README указывает на слияние двух моделей, но не приводит сравнительных оценок качества или подробностей о языках.

trinhkhng/ties_Merged_Qwen2-0.5B_0.5 — объединённая модель на базе Qwen2, созданная автором с помощью mergekit и метода TIES. В объединение вошли базовая Qwen2-0.5B и модель debias_Qwen2-0.5B; токенизатор взят из Qwen2-0.5B. Модель содержит около 493,7 млн параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалоговых сценариев. Карточка не сообщает, какие именно предвзятости устраняет компонент debias и насколько успешно это достигается. Лицензия в предоставленных данных не указана.

ToppyCox-7B — языковая модель на базе архитектуры Mistral, созданная Omnicroms посредством слияния Undi95/Toppy-M-7B и N8Programs/Coxcomb методом slerp с помощью LazyMergekit. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текстовые ответы; длина контекста — до 32 768 токенов. Модель предназначена для генерации ответов по инструкциям и ролевых диалогов, в том числе с контентом для взрослых. В репозитории опубликованы веса Safetensors; в README также упомянуты квантованные версии GGUF. Лицензия в предоставленных данных не указана.

Trendyol-LLM-Asure-12B — мультимодальная инструктивная модель компании Trendyol на 12 млрд параметров, дообученная на базе Google Gemma 3 12B. Она принимает текстовые запросы и изображения с текстом, поддерживает диалог и предназначена прежде всего для операционных задач электронной коммерции на турецком и английском языках. Модель выполняет суммаризацию и перефразирование, отвечает на текстовые и визуальные вопросы, извлекает структурированные данные, классифицирует текст и генерирует ответы с заданными ограничениями, в том числе для оценки релевантности. Модель оптимизирована для следования инструкциям и более краткой генерации, что, по заявлению разработчика, помогает сократить расход токенов и повысить эффективность инференса. Её общие энциклопедические знания ограничены, поэтому она лучше подходит для бизнес-задач, чем для широких справочных запросов. Возможны фактические ошибки, неверное понимание сленга и предвзятые или вредоносные ответы; результаты требуют проверки. Репозиторий содержит веса Safetensors, библиотека — Transformers. Лицензия — Gemma.

Trinity_Notus2-xb — объединённая языковая модель, созданная автором репозитория powermove72 из janai-hq/trinity-v1 и argilla/notus-7b-v1 с помощью LazyMergekit. Это плотная авторегрессионная модель семейства Mistral для генерации текста; конфигурация объединяет диапазоны слоёв двух исходных моделей, использует объединённый токенизатор и формат float16. Размер модели — 11 млрд параметров, заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговой генерации и ответов на текстовые запросы. Базовая модель Notus-7B была дообучена методом DPO и ориентирована преимущественно на ответы на английском языке; README не описывает отдельные возможности или результаты оценки именно этого объединения. В метаданных лицензия не указана, поэтому условия использования установить по предоставленным данным нельзя.

Trinity_Notus-xb — объединённая языковая модель, созданная автором powermove72 из janai-hq/trinity-v1 и argilla/notus-7b-v1 с помощью LazyMergekit. Она предназначена для генерации текста и диалоговых ответов. Модель использует плотную архитектуру MistralForCausalLM, содержит 11 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории опубликованы веса Safetensors; конфигурация слияния использует метод passthrough и тип float16. Базовая модель Notus описана как диалоговая модель на базе Mistral, дообученная методом DPO для ответов преимущественно на английском языке. README не сообщает отдельные результаты оценки качества или дополнительные возможности Trinity_Notus-xb. Лицензия в предоставленных данных не указана.

TwinLlama-3.1-8B — текстовая модель генерации на архитектуре Llama, опубликованная amitupadhyay и дообученная на базе meta-llama/Llama-3.1-8B с использованием Unsloth и TRL. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и рассчитана на английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит результатов оценки качества и не описывает специализацию дообучения, поэтому пригодность для конкретных областей следует проверять отдельно.

Модель разработана Cardiff NLP: это RoBERTa-large, предварительно обученная на 154 млн твитов до конца декабря 2022 года и дообученная на наборе TweetSentiment из SuperTweetEval для определения тональности текста с учётом заданной цели. На вход подаются текст и целевая сущность, объединённые в одну строку; модель относит их тональность к одному из пяти классов: «сильно негативная», «негативная», «негативная или нейтральная», «позитивная» и «сильно позитивная». Она подходит для анализа мнений о конкретных людях, компаниях, продуктах или темах в сообщениях Twitter и похожих коротких текстах. Модель использует архитектуру RoBERTa-large, содержит около 454,1 млн параметров и имеет контекст длиной до 514 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате Safetensors; лицензия — MIT. Результат представляет собой метку класса и оценку уверенности. Обучение на твитах до конца 2022 года ограничивает актуальность модели для новых языковых тенденций, а её классы не дают отдельной нейтральной категории: для неё предусмотрено сочетание «негативная или нейтральная».

Vespera Synapse 31B — объединённая модель на базе Gemma 4 31B, созданная OrobasVault с помощью mergekit. В слияние вошли Twisted-Cyclone-31B, Glimmering-Citrus-31B и Scarlet-Shadow-31B; для объединения применён метод karcher_stock с адаптивным ограничением весов Adaptive Tanh Soft-Clamp. Модель использует архитектуру Gemma4ForConditionalGeneration и библиотеку Transformers, распространяется в формате safetensors. Модель предназначена для генерации текста, диалогов и следования инструкциям; метаданные также указывают на ролевые и творческие сценарии. Архитектура Gemma 4 поддерживает работу с изображениями, однако в карточке Vespera Synapse эти сценарии отдельно не описаны, поэтому её основная задача — текстовая генерация. В метаданных указан английский язык и размер 31B. Модель опубликована под лицензией Apache-2.0. Карточка не приводит оценок качества или результатов тестирования, поэтому пригодность для конкретных задач стоит проверять на собственных примерах.

Модель shuvam4849/vidhyaarthi-model — дообученная разговорная языковая модель на архитектуре Llama, созданная shuvam4849 на основе unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст. Для неё указан контекст до 131 072 токенов, язык карточки — английский. Репозиторий распространяет веса в формате safetensors, лицензия — Apache-2.0. Карточка не описывает специализацию дообучения, поэтому область применения и качество на конкретных задачах оценить нельзя.

Viking-SlimInstruct-V1-7B — чат-модель на 7 млрд параметров, разработанная mpasila на архитектуре Llama. Она дообучена на базе LumiOpen/Viking-7B для выполнения инструкций и диалогов; модель использует формат ChatML и распространяется в форматах PyTorch и safetensors. Модель обучалась на инструкционных данных на шести североевропейских языках: английском, финском, норвежском, датском, шведском и исландском. Она предназначена для ответов на запросы и выполнения инструкций в чат-сценариях. Контекст составляет 4096 токенов. Автор отмечает, что качество может различаться между языками из-за разного качества обучающих наборов. Лицензия — Apache-2.0. Модель создана с использованием Unsloth и TRL.

WizardVicuna-3B-0719 — языковая модель heegyu для генерации текста в формате диалога. Она основана на openlm-research/open_llama_3b и имеет 3,3 млрд параметров; в метаданных указана архитектура LlamaForCausalLM и контекст до 2048 токенов. Модель обучалась на наборе heegyu/wizard_vicuna_70k_v2 и предназначена для генерации ответов по инструкции и ведения текстового диалога. Модель принимает текст и выдаёт текст. В карточке указаны английский язык и лицензия Apache-2.0. Короткий контекст ограничивает работу с длинными запросами и документами; данных о специализированных областях применения в карточке нет.

poltextlab/xlm-roberta-large-pooled-sentiment-v3 — модель классификации тональности текста, разработанная poltextlab на основе xlm-roberta-large и предназначенная для использования с библиотекой Transformers. В README указана поддержка английского языка и классификация по трём классам: Negative, Neutral и Positive. Модель применяется для автоматического анализа тональности текстов, в том числе в сравнительных исследовательских проектах и в платформе CAP Babel Machine. По опубликованному отчёту macro и weighted F1-score составляют 0,91, precision и recall также равны 0,91. Для отрицательного класса F1-score составляет 0,94, для нейтрального — 0,87, для положительного — 0,91; это указывает на несколько более слабое распознавание нейтральных текстов. В README не указаны размер модели в параметрах, максимальная длина контекста, полный набор языков, данные обучения и точное значение accuracy. Модель использует токенизатор SentencePiece. Доступ ограничен: новые заявки на доступ в настоящее время не принимаются, а использование возможно для ранее одобренных пользователей через gated access. Указана лицензия CC BY 4.0. Для запуска требуется токен Hugging Face с правом чтения.