III.4Клиентская поддержка и customer success

CyberAgentLM3-Chat — диалоговая версия языковой модели CyberAgentLM3, разработанная CyberAgent, Inc. Модель с архитектурой Llama и 22,1 млрд параметров дообучена для диалоговых сценариев; исходная CyberAgentLM3 предварительно обучена с нуля на 2 трлн токенов. Модель предназначена для общения с пользователем и генерации ответов на японском и английском языках. Она принимает текстовые запросы в формате ChatML и поддерживает контекст длиной до 16 384 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает специальные отраслевые задачи или результаты оценки качества.

CarbonVillain-en-10.7B-v1 — англоязычная разговорная языковая модель семейства Llama, опубликованная jeonsworld. Это плотная авторегрессионная модель на 10,6 млрд параметров для генерации текста в формате диалога; заявленный контекст — 4096 токенов. Карточка приводит результаты оценивания, включая ARC и HellaSwag, но не описывает подробно процедуру обучения или полный набор тестов. Модель подходит для англоязычных диалогов и генерации ответов по шаблону User/Assistant. Метаданные отмечают объединение моделей методом SLERP, поэтому модель является merge-производной; базовые компоненты не указаны. Распространяется по лицензии CC BY-NC 4.0, допускающей использование с соблюдением атрибуции и ограничением на коммерческое применение.

CarbonVillain-en-10.7B-v2 — англоязычная чат-модель для генерации текста, опубликованная jeonsworld. Она построена на плотной архитектуре Llama и, судя по тегам карточки, создана слиянием моделей методом SLERP. Модель содержит 10,6 млрд параметров, принимает текст и рассчитана на контекст до 4096 токенов. Модель подходит для диалогов и генерации ответов на английском языке. В README приведён шаблон диалога с ролями User и Assistant, а также результаты оценивания: средний балл 74,42, ARC — 71,25 и HellaSwag — 88,4. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных работ на тех же условиях и запрещает коммерческое использование.

Clytemnestra_ft — дообученная cowboyuniverse языковая модель семейства Llama для генерации текста. В карточке указана базовая модель unsloth/meta-llama-3.1-8b-bnb-4bit; обучение проводилось с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Модель подходит для генерации продолжений и ответов на текстовые запросы на английском языке. В метаданных указано контекстное окно 131072 токена. Карточка не описывает специализацию дообучения или конкретные преимущества модели, поэтому её качество и пригодность для узких сценариев по этим данным оценить нельзя.

Карточка модели spidercob/code-risk-classifier на Hugging Face совпадает с карточкой spidercob/dlp-intent-classifier, поэтому описание составлено по ней. spidercob/dlp-intent-classifier — модель SetFit для классификации текста по четырём классам. Она использует BERT-энкодер размером 25,9 млн параметров и классификатор LogisticRegression. Обучение SetFit включает контрастивное дообучение Sentence Transformer и обучение классификационной головы на полученных признаках. Модель предназначена для определения намерения по тексту в сценариях, где требуется отнести запрос к одной из четырёх категорий. Метаданные указывают библиотеку SetFit и максимальную длину контекста 512 токенов; в README указана максимальная длина последовательности 256 токенов. Репозиторий содержит веса в формате safetensors. В карточке не названы сами классы, языки обучающих данных и лицензия. Поэтому перед применением нужно проверить соответствие меток и языка своим данным; короткие запросы могут не помещаться без усечения в заявленный лимит последовательности README.

DiscoPhoenix-7B — модель генерации текста на архитектуре Mistral, созданная mayflowergmbh. Это DPO-настроенное слияние немецкоязычной DiscoLM_German_7b_v1, Phoenix и OpenPipe/mistral-ft-optimized-1227; конфигурация также включает mistralai/Mistral-7B-v0.1. Модель предназначена для диалогов и генерации текста, в частности на немецком языке. Модель содержит 7,1 млрд параметров, принимает текст и имеет контекст до 32 768 токенов. Для дальнейшего использования доступны веса в формате safetensors. В метаданных указана лицензия Apache-2.0. Подробные результаты оценки и ограничения качества в карточке не раскрыты.

psomi/distilbert-base-uncased-finetuned-clinc — модель DistilBERT, дообученная для классификации текста. Она предназначена для отнесения текстовых последовательностей к классам; карточка сообщает точность 0,9184 и loss 0,7894 на оценочной выборке, но не раскрывает набор меток и состав данных. Модель построена на архитектуре DistilBertForSequenceClassification, использует библиотеку Transformers, принимает текст с контекстом до 512 токенов и распространяется в формате safetensors. Базовая модель — distilbert/distilbert-base-uncased. Лицензия — Apache-2.0. README не описывает конкретные сценарии применения и ограничения качества.

uygarkurt/distilbert-base-uncased-finetuned-emotion — модель классификации текста на основе DistilBERT, дообученная на наборе данных emotion. Она предназначена для определения эмоциональной категории текста. В оценке на тестовом наборе указаны accuracy 0,92 и F1 0,92; контекст модели составляет 512 токенов. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Модель подойдёт для классификации коротких текстовых сообщений по эмоциям, например публикаций или отзывов. README не описывает набор классов, языки обучения и ограничения применения, поэтому нельзя надёжно определить, какие именно эмоции распознаются и насколько модель пригодна для языков, отличных от английского.

aajallow/distilbert-sentiment-demo — модель классификации текста на основе DistilBERT, дообученная на неизвестном наборе данных. Она предназначена для отнесения текстов к категориям, в частности для анализа тональности; в README приведены точность 0,8368 и loss 0,4304 на оценочной выборке, но названия классов и состав выборки не раскрыты. Модель принимает текст, использует архитектуру DistilBertForSequenceClassification и рассчитана на контекст до 512 токенов. Репозиторий содержит веса в форматах Safetensors и ONNX. Лицензия — Apache-2.0.

Dolphin 2.9.3 Qwen2 0.5B — разговорная модель-ассистент, подготовленная Эриком Хартфордом, Лукасом Аткинсом, Фернандо Фернандесом и командой Cognitive Computations. Это плотная авторегрессионная модель семейства Qwen2 примерно на 494 млн параметров, дообученная на основе Qwen/Qwen2-0.5B для диалогов и выполнения инструкций. Она принимает текст и генерирует текст; заявленная базовая длина контекста — 128 тыс. токенов, однако полновесное дообучение проводилось на последовательностях длиной 16 тыс. токенов. Модель подходит для прототипов чат-ассистентов, ответов на вопросы и других текстовых задач по инструкции. При дообучении исключили наборы данных для программирования, вызова функций и многоязычных системных сообщений, поэтому такие возможности не следует считать целевыми или надёжно подтверждёнными. Авторы описывают Dolphin как uncensored и отмечают повышенную готовность следовать запросам, включая небезопасные; перед предоставлением модели пользователям рекомендуется добавить собственный слой ограничений. Лицензия Apache-2.0 допускает коммерческое использование в соответствии с её условиями.

vvcz/dxvalpt-uk — языковая модель для генерации текста и диалогов, созданная объединением моделей с помощью mergekit. В README указаны SLERP и две исходные модели: Sao10K/Fimbulvetr-11B-v2.1-16K и vvcz/dvxipt-uk. Метаданные описывают архитектуру как плотную LlamaForCausalLM с 7,5 млрд параметров и контекстом до 8192 токенов. Модель подходит для диалоговых и conversational-сценариев на основе текстового ввода. Карточка не уточняет поддерживаемые естественные языки и специализированные области применения. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

EE-Maid-7B-Slerp — объединённая модель для генерации текста, созданная с помощью LazyMergekit из SanjiWatsuki/Silicon-Maid-7B и maywell/Synatra-7B-v0.3-RP методом slerp. Это плотная Mistral-модель с 7,1 млрд параметров; веса представлены в формате Safetensors, контекст составляет 8192 токена. Базовые модели связаны с чат-генерацией и ролевыми диалогами; в сводке базовой модели также отмечена поддержка корейского языка. Карточка не сообщает отдельных оценок качества или подробных ограничений. Лицензия в предоставленных данных не указана.

AlSamCur123/ElmerContinuedFine — текстовая модель генерации на архитектуре Llama, разработанная AlSamCur123 и дообученная на Undi95/Emerhyst-20B с использованием Unsloth и Hugging Face TRL. Модель содержит 19,8 млрд параметров и поддерживает контекст до 32 000 токенов. Она предназначена для генерации текста; базовая модель ориентирована на инструкции и ролевые диалоги, включая контент для взрослых. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не приводит отдельных результатов оценки качества или подробностей о данных дообучения.

Карточка модели jphme/em_german_7b_v01 на Hugging Face совпадает с карточкой jphme/em_german_13b_v01, поэтому описание составлено по ней. EM German 13B v01 — модель jphme на базе Llama 2, дообученная на большом наборе инструкций на немецком языке. Она предназначена для понимания и генерации немецкого текста в формате диалога с помощником и может применяться для ответов на вопросы, выполнения инструкций и сценариев RAG. Модель использует плотную архитектуру LlamaForCausalLM, содержит 12,9 млрд параметров, принимает текст и имеет контекст длиной до 4096 токенов. Модель ориентирована на немецкий язык. В README автор рекомендует при неудовлетворительных результатах попробовать другую или более крупную версию семейства; также приведены результаты сравнений версий на примерах, но сведения об оценках именно этой версии не приведены. Лицензия — Llama 2; распространяется исходная лицензия базовой модели. Автор указывает, что модель предназначена только для исследовательского использования.

Это дообученная модель GPT-2, созданная на основе fpadovani/eng-latn-10mb-ppt-Dp-10mb_seed455 с использованием TRL. Она предназначена для генерации английского текста и ответов на текстовые запросы; пример в карточке показывает ответ на вопрос в формате диалога. Модель принимает текст и выдаёт текст, использует архитектуру GPT-2 и рассчитана на контекст до 512 токенов. Карточка не сообщает о специализированной предметной области. Модель хранится в формате safetensors и распространяется по лицензии, указанной в метаданных Hugging Face. Объём модели и условия лицензии в предоставленных данных не приведены.

ERNIE-4.5-0.3B-PT-bf16-ft — компактная текстовая модель семейства ERNIE 4.5 от Baidu, подготовленная сообществом mlx-community для запуска на MLX. Это плотная авторегрессионная модель с 318,2 млн параметров и контекстом до 131 072 токенов. Модель предназначена для генерации текста и диалогов на английском и китайском языках. Репозиторий содержит веса в формате safetensors и преобразованный быстрый токенизатор; в README указана рекомендация использовать эту версию с mlx-swift. Модель основана на baidu/ERNIE-4.5-0.3B-PT и заявлена под лицензией Apache-2.0. Хотя название содержит bf16, README описывает конверсию в формат MLX, поэтому надёжно классифицировать её как обычную конверсию формата точности нельзя.

ClaudioItaly/Evolutionstory — языковая модель на архитектуре Mistral, созданная слиянием моделей методом TIES с помощью mergekit. В состав слияния вошли lucyknada/microsoft_WizardLM-2-7B и mergekit-community/TopEvolution; в конфигурации TopEvolution указана как базовая модель. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. На основе характеристик WizardLM-2 она может подходить для диалогов, следования инструкциям и рассуждений, но отдельные результаты и языковые возможности Evolutionstory в карточке не описаны. Лицензия в предоставленных данных не указана.

maywell/EXAONE-3.0-7.8B-Instruct-Llamafied — это версия EXAONE-3.0-7.8B-Instruct, адаптированная под архитектуру и формат Llama. В README благодарят LG AI Research за исходную модель и @kuotient за обновление скрипта и публикацию модели. Это плотная языковая модель с архитектурой LlamaForCausalLM, примерно 7,4 млрд параметров и контекстом до 4096 токенов; в каталоге указана возможность чата. Модель предназначена для генерации текста в диалоговом формате на английском и корейском языках. Метаданные указывают лицензию «other», поэтому конкретные условия использования следует сверить с лицензией исходной модели и репозитория. README не содержит сведений о качестве, обучающих данных или специальных ограничениях применения.

Experiment26Inex12-7B — слитая модель для генерации текста, созданная Maxime Labonne автоматическим объединением MSL7/INEX12-7b и rwitz/experiment26-truthy-iter-1. При слиянии применён метод SLERP с настройками для слоёв self-attention и MLP; модель относится к семейству Mistral, имеет плотную архитектуру MistralForCausalLM и около 7,1 млрд параметров. Модель предназначена для генерации текста на основе текстового ввода. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Репозиторий указывает лицензию Apache-2.0. README не приводит сведения о языках, качестве на бенчмарках или специализированных сценариях применения.

WesPro/F2PhenotypeDPO — объединённая языковая модель семейства Llama 3, созданная WesPro методом линейного слияния через mergekit из WesPro/F2PhenotypeKimiko и Srimouli04/llama3_lora_adapters. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленный контекст — 8192 токена. Модель предназначена для диалогов и генерации текста. Её можно использовать для составления ответов на запросы и ведения текстового общения. В карточке не приведены отдельные оценки качества или подробные сценарии применения. Модель принимает текст и генерирует текст. Языки применения в карточке не обозначены. Условия лицензирования в доступных сведениях не приведены.

Falcon-H1-Tiny-Multilingual-100M-Instruct — компактная инструктивная языковая модель семейства Falcon-H1 от tiiuae. Это причинная декодерная модель с гибридной архитектурой Transformer и Mamba, предназначенная для генерации текста и диалогового взаимодействия. В метаданных указано 77,6 млн параметров и контекст до 262 144 токенов; карточка README приводит оценку 90 млн параметров и называет английский язык. Модель можно использовать для генерации ответов и коротких диалоговых сценариев. Для запуска указаны Transformers, vLLM, SGLang, llama.cpp, Ollama и MLX; в репозитории отмечен формат safetensors. README ссылается на лицензию Falcon-LLM License, а метаданные классифицируют лицензию как other, поэтому условия следует сверять с текстом лицензии репозитория.

FernandoSudo/finetuning-sentiment-model-3000-samples — модель классификации текста на основе DistilBERT, дообученная на неизвестном наборе данных. Она предназначена для классификации текстовых последовательностей; название репозитория указывает на анализ тональности, но карточка не сообщает метки классов и детали применения. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст с контекстом до 512 токенов и распространяется в формате safetensors. В README приведены результаты на оценочной выборке: accuracy 0,8733 и F1 0,8797. Данных о размере обучающей выборки, методике оценки и составе классов недостаточно, поэтому эти показатели не позволяют судить о качестве на других данных. Базовая модель — distilbert/distilbert-base-uncased; лицензия — Apache-2.0.

cuneytkaya/fintech-chatbot-t5 — модель T5-small, дообученная на наборе Bitext для чат-бота розничного банкинга. Она генерирует ответы на распространённые вопросы клиентов о банковских счетах, операциях и активации карт и предназначена для автоматизированной поддержки клиентов и виртуальных помощников. Модель содержит 38,5 млн параметров, принимает текст и выдаёт текст; указанная длина контекста — 512 токенов. Поддерживаемый язык — английский. Модель выпущена под лицензией CDLA-Sharing-1.0. Это специализированная модель для банковских диалогов, основанная на google-t5/t5-small. Её возможности описаны для типовых запросов розничного банкинга; README не подтверждает доступ к реальным счетам или транзакционным системам, поэтому модель не следует считать источником актуальных данных об операциях.

Columbia-NLP/gemma-2b-zephyr-sft — разговорная языковая модель на архитектуре Gemma, созданная дообучением google/gemma-2b на наборе HuggingFaceH4/deita-10k-v0-sft. Модель содержит 2,5 млрд параметров и предназначена для генерации текста и диалоговых ответов; в README указано, что при supervised fine-tuning маскировались пользовательские токены. Модель рассчитана преимущественно на английский язык. Метаданные указывают контекстное окно 8192 токена и формат весов safetensors. Её можно применять для чат-ботов, ответов на вопросы и генерации текста; опубликованные оценки на тестах показывают результаты на задачах рассуждения, письма и ролевого диалога, но не гарантируют качество в конкретном приложении. Использование регулируется условиями Gemma Terms of Use. Это компактная модель с ограниченными возможностями по сравнению с более крупными современными языковыми моделями; качество ответов и следование инструкциям следует проверять для целевого сценария.

SvalTek/Gemma-7B-ColdBrew-RP — диалоговая языковая модель семейства Gemma 2, разработанная SvalTek путём дообучения IlyaGusev/gemma-2-9b-it-abliterated. Модель предназначена для генерации текста в диалоге; карточка указывает обучение с использованием Unsloth и библиотеки TRL. Модель содержит 9 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0. Карточка не описывает отдельные специализированные области или подробные ограничения качества.

Locutusque/gpt2-large-conversational-retrain — англоязычная модель генерации текста, разработанная Locutusque как дообученная версия GPT-2 Large на наборе Locutusque/InstructMix. Она предназначена для ответов на инструкции и ведения диалогов. Модель использует архитектуру GPT-2 и принимает текст, выдавая текст; длина контекста составляет 1024 токена. Репозиторий содержит веса PyTorch и Safetensors и распространяется по лицензии MIT. В карточке сообщается о 600 000 обучающих примеров и результатах BLEU 30 и perplexity 5, но методика оценки не приведена. Модель может выдавать ложную информацию, особенно по истории, и слабо справляется со сложным кодом; ответы следует проверять.

Модель 11erlangga/grpo-qwen25-3b разработана 11erlangga и представляет собой дообученную методом GRPO модель Qwen2 для генерации текста и диалогов. Она основана на 11erlangga/sft-qwen25-3b-run1; при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель имеет плотную архитектуру Qwen2ForCausalLM и 3,1 млрд параметров. Она принимает текст, поддерживает контекст длиной до 32 768 токенов и ориентирована на английский язык. В карточке также заявлен интерфейс для вызова инструментов. Весовые файлы представлены в формате safetensors. Модель подходит для английских диалогов и генерации текста. Данных о качестве, конкретных результатах обучения GRPO и ограничениях применения в карточке нет. Лицензия — Apache-2.0.

GutenBerg_Nyxora_magnum-v4-27b — объединённая чат-модель на базе Gemma 2, созданная сообществом mergekit-community методом линейного слияния предобученных языковых моделей. В качестве базовой использована anthracite-org/magnum-v4-27b с весом 0,25; модель DazzlingXeno/GutenBerg_Nyxora внесла вес 0,75. Репозиторий содержит веса в формате Safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста в диалоге и прозы. Размер составляет 27,6 млрд параметров, контекст — до 8192 токенов. Карточка базовой модели описывает стиль генерации как ориентированный на Claude 3 Sonnet и Opus. Данные о лицензии и конкретных языках обучения в предоставленных источниках отсутствуют.

GutenLaserPi-06.11-orpo — дообученная icefog72 модель семейства Mistral для генерации текста. Она основана на Stark2008/GutenLaserPi, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель подходит для генерации текста и диалогов на английском языке. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробностей об обучающей процедуре.

Hager290/hager-persona — дообученная Hager290 языковая модель семейства Qwen2 для генерации текста в диалоговом формате. Она основана на unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit и использует архитектуру Qwen2ForCausalLM с плотной сетью; размер модели — 3,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для диалогов и генерации ответов на текстовые запросы. В карточке указано, что при обучении использовались Unsloth и библиотека TRL; заявленная цель ускорения обучения не является характеристикой скорости вывода. Поддержка интерфейса вызова инструментов указана в метаданных, однако подробности его применения не описаны. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Репозиторий использует формат Safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специализацию persona, обучающие данные, качество ответов или результаты оценки.