III.4Клиентская поддержка и customer success

Helide Beta R3 — языковая модель для генерации текста и диалогов, созданная объединением моделей Fizzarolli/L3-8b-Rosier-v1 и Sao10K/L3-8B-Stheno-v3.2. Разработчик объединил предварительно обученные модели методом SLERP с помощью mergekit; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для общения, написания историй и выполнения инструкций на английском языке. Она поддерживает чат и имеет контекстное окно 8192 токена. Репозиторий содержит веса в формате safetensors. Лицензия в доступных данных не указана.

Edens-Gate/Holland-Magnum-Merge — разговорная языковая модель, созданная слиянием моделей anthracite-org/magnum-v2-4b и Delta-Vector/Holland-4B-V1 методом SLERP с помощью mergekit. Модель построена на плотной архитектуре Llama и содержит 3,9 млрд параметров; формат весов — safetensors, библиотека — Transformers. Заявленный контекст составляет 8192 токена. Модель предназначена для генерации текста и диалоговых ответов. Её можно использовать в чат-сценариях и для создания связного текста. Карточка описывает процедуру слияния, но не приводит оценок качества, конкретных языковых характеристик или ограничений по применению. Лицензия в предоставленных данных не указана.

Hunyuan-MT-7B-i1-GGUF — квантизированная GGUF-версия модели Hunyuan-MT-7B, разработанной Tencent. Квантизацию выполнил mradermacher; доступны варианты с imatrix-квантизацией разных типов и размеров. Модель предназначена прежде всего для задач машинного перевода и поддерживает китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, тайский, итальянский, немецкий, вьетнамский, малайский, индонезийский, тагальский, хинди, польский, чешский, нидерландский, кхмерский, бирманский, персидский, гуджарати, урду, телугу, маратхи, иврит, бенгальский, тамильский, украинский, тибетский, казахский, монгольский и уйгурский языки. Это модель размером 7B в формате GGUF, ориентированная на локальный запуск с ограниченными требованиями к памяти. Доступны файлы примерно от 1,9 до 6,3 ГБ. В README рекомендуются варианты i1-Q4_K_M как быстрые и сбалансированные, а i1-Q4_K_S — как оптимальные по соотношению размера, скорости и качества; более агрессивные квантизации могут заметно снижать качество. Архитектура, размер контекста, дополнительные модальности и точные показатели качества не указаны. Лицензия в предоставленных данных не указана.

Tencent HY-MT1.5-7B-GGUF — это 7-миллиардная языковая модель машинного перевода из семейства Hunyuan Translation Model 1.5, разработанная Tencent. Данная версия распространяется в формате GGUF, предназначенном для локального запуска совместимыми инструментами, включая llama.cpp и Ollama. Модель предназначена для двунаправленного перевода между 33 языками и поддерживает пять этнических или диалектных вариантов. Она ориентирована на обычный и пояснительный перевод, смешанные языковые сценарии, а также перевод с учётом контекста, терминологии и исходного форматирования. Среди заявленных языков — китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, тайский, итальянский, немецкий, вьетнамский, малайский, индонезийский, хинди и другие. К сильным сторонам относятся поддержка вмешательства в терминологию, контекстного и форматированного перевода, а также оптимизация для аннотированных и смешанных языковых текстов. Архитектура, размер контекстного окна, точный вариант квантования GGUF и подробные результаты сравнительных испытаний в предоставленных данных не указаны. Лицензия модели в README также не указана, поэтому условия коммерческого и иного использования требуют дополнительной проверки на странице модели.

shawnw3i/Hy-MT2-7B-AWQ — квантованная 4-битная версия мультиязычной модели Hy-MT2-7B, разработанной Tencent Hy. Модель предназначена для машинного перевода в сложных практических сценариях и умеет следовать инструкциям на нескольких языках. Модель поддерживает перевод между 33 языками, включая китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, немецкий, итальянский, вьетнамский, индонезийский, хинди, украинский и другие. Она рассчитана на обычный, деловой, специализированный и инструкционный перевод, включая работу с терминологией, стилем, пользовательскими предпочтениями, разделителями и структурированными данными. Формат AWQ и 4-битное представление уменьшают требования к хранению и вычислительным ресурсам по сравнению с полноразмерной моделью. К сильным сторонам относятся широкий языковой охват, ориентация на реальные переводческие задачи и поддержка точного следования ограничениям инструкции. При этом README не содержит сведений о размере контекстного окна, конкретной архитектуре базовой модели, производительности именно этой квантованной версии и лицензии, поэтому эти характеристики нельзя подтвердить.

Ice0.69-25.01-RP — объединённая языковая модель, собранная разработчиком icefog72 с помощью mergekit и метода SLERP из двух предварительно обученных моделей. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров для генерации текста; она принимает текст и выдаёт текст. Контекстное окно составляет 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Карточка не описывает отдельные специализированные сценарии и не сообщает о поддерживаемых естественных языках. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

IceBlendedLatteRP-7b — объединённая модель языковой модели Mistral, созданная автором репозитория с помощью mergekit методом task arithmetic. В качестве основы использована Mistroll-7B-v2.2, в объединение также включена IceCaffeLatteRP-7b. Модель имеет плотную архитектуру MistralForCausalLM и около 7,1 млрд параметров. Модель предназначена для генерации текста в диалоговом режиме; контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия CC-BY-NC-4.0 ограничивает использование некоммерческими целями.

Ignis-7B-DPO — разговорная языковая модель от NeuralNovel, связанная с сообществом ConvexAI. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В карточке указано, что модель обучалась на наборе данных Neural-DPO; дополнительные сведения о настройке и оценке качества не приведены. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Репозиторий использует формат Safetensors, а лицензия — Apache 2.0. Карточка не описывает конкретные преимущества, рекомендованные сценарии или ограничения качества, поэтому пригодность для задач, требующих точности или специальных знаний, следует проверять самостоятельно.

I-Heart_sft_1.0 — плотная авторегрессионная языковая модель семейства Mistral на 7,1 млрд параметров, представленная в формате Safetensors. Согласно README, модель обучена с нуля на датасете generator; в метаданных также указаны SFT и разговорный режим. Карточка приводит значение loss 1,0549 на наборе оценки. Модель предназначена для генерации текста в чате и разговорных сценариях. Метаданные указывают контекст до 32 768 токенов. Подробности о поддерживаемых языках, предназначении датасета, качестве на конкретных задачах и условиях использования в карточке не раскрыты; лицензия не указана.

JackRussell — слитая языковая модель семейства Mistral, созданная сообществом mergekit из OpenPipe/mistral-ft-optimized-1218 и mlabonne/NeuralHermes-2.5-Mistral-7B. При слиянии методом passthrough использованы слои 0–31 первой модели и слои 24–31 второй; модель предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру MistralForCausalLM, около 8,9 млрд параметров и контекстное окно до 32 768 токенов. Репозиторий содержит веса Safetensors; метаданные указывают библиотеку Transformers. Информация о поддерживаемых естественных языках и специализированной предметной области не приведена. Модель может использоваться для генерации продолжений текста и ответов в чате. Качество конкретных задач и поведение слитых компонентов отдельно не описаны. Лицензия в предоставленных данных не указана.

KafkaLM-7B-German-V0.1 — языковая модель проекта Seedbox, обученная Деннисом Дикманном. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров; она дополнительно обучена на немецких данных поверх leo-mistral-hessianai-7b, которая была дообучена на наборах инструкций с переводом с английского на немецкий. Для обучения использовалась отфильтрованная версия набора seedboxai/multitask_german_examples_32k. Модель предназначена для повседневных задач на немецком языке, в том числе для делового общения: диалогов с ассистентом и генерации ответов на запросы. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана прежде всего на немецкий язык. В карточке отмечена возможность вести диалог; автор характеризует модель как компетентную и творческую. Модель распространяется под лицензией Apache-2.0. Автор предупреждает о склонности модели выходить за привычные языковые рамки и ограничивает заявленное применение исследовательскими целями; также следует учитывать исходную лицензию Llama 2 и ограничения использованных обучающих данных.

Kpt-7b-v-0.2 — объединённая модель для генерации текста, созданная с помощью mergekit методом DARE TIES. В качестве базовой модели использована kainatq/Kainoverse-7b-v0.1; в объединение также вошли ResplendentAI/Persephone_7B, ResplendentAI/Asherah_7B, ChaoticNeutrals/RP_Vision_7B, ResplendentAI/Aura_v3_7B и ResplendentAI/DaturaCookie_7B. Модель основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста; каталог Hugging Face относит её к задаче text-generation. Контекст составляет до 32 768 токенов. В метаданных отмечена базовая модель RP_Vision с поддержкой анализа изображений через Koboldcpp, однако карточка Kpt-7b-v-0.2 описывает только объединение языковых моделей, поэтому обработка изображений для этой версии не подтверждена. Репозиторий содержит веса в формате safetensors. Карточка не сообщает о языковом охвате и лицензии, поэтому их условия здесь не конкретизируются. Качество генерации и ограничения в README не оценены.

KULLM-Mistral-S — разговорная языковая модель проекта KULLM, дообученная на базе mistralai/Mistral-7B-Instruct-v0.2 с использованием датасета KULLM и подготовленных вручную инструкций. Она предназначена для диалога и генерации ответов по текстовым запросам. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает и генерирует текст, поддерживает корейский язык, имеет контекст длиной до 32 768 токенов и распространяется в формате safetensors по лицензии Apache-2.0.

KviGPT-7b-Chat — языковая модель KviAI для генерации текста и диалогов. Она построена на плотной архитектуре Llama и содержит 2,9 млрд параметров; модель можно запускать через библиотеку Transformers. В карточке заявлен английский язык, а метаданные также отмечают русский. Модель подходит для генерации ответов в чате и других текстовых сценариев. Контекст составляет 4096 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии CC BY-SA 4.0, требующей указания авторства и распространения производных материалов на тех же условиях. README не приводит результатов оценки качества или подробных ограничений по применению.

L3-Pneuma-8B — дообученная на датасете Sandevistan языковая модель Kquant03 на архитектуре Llama 3. Веса содержат около 7,5 млрд параметров, модель использует библиотеку Transformers и формат safetensors; заявленный контекст — до 8192 токенов. Она предназначена для генерации текста в диалоговом режиме. README приводит значение loss 2,7381 на наборе оценки, но не описывает сценарии обучения и результаты на конкретных задачах. Модель основана на meta-llama/Meta-Llama-3-8B и распространяется по лицензии Llama 3. Карточка не уточняет целевые языки и специализацию, поэтому её следует рассматривать как общую диалоговую модель, а ответы проверять на точность и соответствие задаче.

Модель ETRI xainlp team — языковая модель семейства Llama для генерации текста, дообученная на наборах инструкций и пользовательских предпочтений с использованием SFT и DPO через LoRA. Она принимает и выдаёт текст, подходит для диалоговых сценариев и выполнения инструкций. В карточке указана базовая модель meta-llama/Llama-13b-hf; число параметров — 12,9 млрд, длина контекста — 4096 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о поддерживаемых языках; применение вне английского языка не подтверждено.

Fighoture/Llama-2-7b-chat-shortgpt-30-percent — чат-модель на архитектуре Llama, созданная сокращением Llama 2 7B Chat методом ShortGPT: из модели удалено 30% слоёв (9 слоёв), а в конфигурации указано 23 скрытых слоя. Репозиторий содержит веса в формате safetensors; модель рассчитана на генерацию текста в диалоговом режиме и обрабатывает контекст длиной до 4096 токенов. Модель может использоваться для диалоговых ответов и генерации текста. При сокращении слоёв возможна потеря качества по сравнению с исходной моделью; в карточке нет результатов оценки, подробных ограничений, сведений о языковой специализации или лицензии. Разработчик указан как Fighoture по идентификатору репозитория.

Minbyul/llama2-7b-dpo-full-sft-wo-kqa_golden — плотная авторегрессионная языковая модель семейства Llama 2, дообученная Minbyul на базе Minbyul/llama2-7b-wo-kqa_golden-sft методом DPO на датасете HuggingFaceH4/ultrafeedback_binarized. Модель содержит 6,6 млрд параметров, принимает текст и генерирует текст; родной контекст — 4096 токенов. В репозитории представлены веса в формате safetensors. Модель предназначена для генерации ответов и диалогового текста с настройкой предпочтений ответов. В README приведены результаты на оценочном наборе: точность предпочтения выбранных ответов 0,95 и разница наград 2,0501; подробности оценки и предполагаемые сценарии применения не описаны. Использование ограничено качеством и поведением базовой модели и данными дообучения. Лицензия в предоставленных источниках не указана.

Llama-3-11b-Instruct-RP_GLUED — дообученная athirdpath модель семейства Llama для генерации текста и диалоговых ответов. Она обучалась 2,28 эпохи на закрытом наборе из 8 тысяч примеров с использованием Unsloth и TRL и использует формат запросов L3. Модель содержит 10,6 млрд параметров, построена на архитектуре LlamaForCausalLM и рассчитана на контекст до 8192 токенов. В карточке указана поддержка английского языка. Лицензия в метаданных — Llama 3; README отдельно указывает Apache-2.0, поэтому условия лицензирования в источниках расходятся.

DeSTA-ntu/Llama-3.1-8B-Instruct — разговорная языковая модель семейства Llama, опубликованная организацией DeSTA-ntu на Hugging Face. Репозиторий содержит веса для Transformers в формате safetensors; модель имеет около 7,5 млрд параметров и архитектуру LlamaForCausalLM. Метаданные указывают контекстное окно до 131 072 токенов. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на вопросы и ведения беседы. Карточка модели автоматически создана и не содержит надёжных сведений о её обучении, языках, лицензии, оценке качества или специальных ограничениях; связь с базовой моделью из доступных сведений установить нельзя.

Llama-3.2-Kapusta-JapanChibi-3B-v1 — диалоговая языковая модель, созданная Khetterman слиянием трёх моделей с помощью mergekit и метода model_stock: Khetterman/Llama-3.2-Kapusta-3B-v8, AELLM/Llama-3.2-Chibi-3B и AXCXEPT/EZO-Llama-3.2-3B-Instruct-dpoE. Это плотная авторегрессионная модель семейства Llama 3.2 с 3,2 млрд параметров, предназначенная для генерации текста и общения. Модель работает с текстом, поддерживает английский и русский языки; в карточке отмечены японские задачи и хорошая работа с другими языками, но автор сообщает, что сам не понимает японский. Для весов указан формат safetensors и точность bfloat16, а заявленная длина контекста — 131072 токена. Модель подходит для диалогов и творческой генерации текста. Лицензия в предоставленных данных не указана.

Это разговорная языковая модель Sandeep29, дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Её можно использовать для ответов в чате, продолжения текста и создания текстовых черновиков. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает конкретный набор данных или специализированные области применения.

jspr/llama3_8b_wordcel_8k_merged — дообученная модель генерации текста на базе Meta Llama 3 8B, разработанная jspr. Она предназначена для генерации текста; карточка не описывает более узкую специализацию или конкретные сценарии применения. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. В README указано, что при обучении использовались Unsloth и библиотека Hugging Face TRL; язык карточки и базовой модели — английский. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает результатов оценки качества или специфических ограничений; применимость к конкретной задаче следует проверять отдельно.

Llama-3-Alpha-Ko-8B-Instruct — диалоговая языковая модель Allganize на архитектуре Llama 3 с 7,5 млрд параметров и контекстом 8192 токена. Она создана методом эволюционного слияния Meta-Llama-3-8B, Meta-Llama-3-8B-Instruct и Llama-3-Open-Ko-8B, а затем доработана с помощью ORPO на наборах для улучшения качества ответов и предпочтений пользователей. Модель предназначена для генерации ответов и диалога на корейском и английском языках, включая задачи рассуждения и понимания текста. В README приведены результаты на корейских тестах LogicKor и KoBEST; карточка заявляет конкурентные показатели на LogicKor, однако результаты представлены авторами и не гарантируют качество на других задачах. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому условия использования следует уточнить у разработчика перед применением.

Fischerboot создал объединённую методом SLERP модель на основе TheDrummer/Llama-3SOME-8B-v1 и ResplendentAI/Aura_Uncensored_l3_8B с помощью mergekit. Это плотная авторегрессионная Llama-модель с архитектурой LlamaForCausalLM, предназначенная для генерации текста и диалогов, включая ролевые сценарии. Веса представлены в формате safetensors; размер модели — 7,5 млрд параметров, длина контекста — 24 576 токенов. Модель рассчитана на англоязычные текстовые запросы и выдаёт текст. Ограничения и условия лицензии в предоставленных данных не описаны.

goniii/Llama3-eeve-merge-model-1 — языковая модель для диалоговой генерации текста, созданная слиянием моделей Meta-Llama-3-8B-Instruct и EEVE-Korean-Instruct-10.8B-v1.0 с помощью mergekit. При слиянии методом passthrough использованы отдельные диапазоны слоёв обеих моделей; в репозитории представлены веса safetensors, библиотека для работы — Transformers. Модель предназначена для ответов в диалоге и генерации текста. Её размер составляет около 10 млрд параметров, максимальный контекст — 4096 токенов. В состав входят англоязычная Llama 3 Instruct и корейская EEVE Instruct, поэтому модель объединяет их языковые и диалоговые возможности. Лицензия в предоставленных данных не указана. Практические ограничения и качество на конкретных задачах в README не описаны; небольшой контекст может ограничивать работу с длинными документами.

grimjim/llama-3-merge-virt-req-8B — языковая модель семейства Llama 3, созданная автором репозитория слиянием двух предварительно обученных моделей с помощью SLERP и mergekit. Она предназначена для генерации текста и диалоговых ответов по инструкциям на английском языке. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. В лёгких проверках модель в целом хорошо соблюдала форматирование, но иногда допускала сбои в рассуждениях. Репозиторий распространяет веса в формате safetensors; указана лицензия llama3. README описывает результат как эксперимент слияния и приводит его конфигурацию.

Llama-3-portuguese-Tom-cat-8b-instruct — диалоговая модель на базе Meta Llama 3 8B Instruct, дообученная автором rhaymison на наборе из 300 тысяч диалогов на португальском языке. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текстовые инструкции и сообщения для генерации ответов и продолжения текста. Модель предназначена прежде всего для общения на португальском языке: она подходит для чат-ассистентов, ответов на вопросы и диалоговых сценариев. Контекст составляет 8192 токена. Веса доступны в формате safetensors; для запуска на GPU с ограниченной памятью автор рекомендует 4- или 8-битное квантование. По оценке Open Portuguese LLM Leaderboard, средний результат модели составляет 70,57. Модель опубликована по лицензии Apache-2.0. Это дообученная модель общего назначения; её качество в конкретных задачах может отличаться, а результаты оценки не гарантируют точность ответов.

Llama-3-RedMagic4-8B — объединённая языковая модель на основе семейства Llama 3, созданная с помощью mergekit методом Model Stock. В слияние вошли NousResearch/Meta-Llama-3-8B, flammenai/Mahou-1.2-llama3-8B, lemon07r/Llama-3-RedMagic2-8B, lemon07r/Lllama-3-RedElixir-8B и nbeerbower/llama-3-spicy-abliterated-stella-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; базовый контекст — 8192 токена. Модель предназначена для генерации текста и может применяться в диалоговых сценариях и для продолжения текста. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH, но этих оценок недостаточно, чтобы заключить о качестве в конкретных задачах. Метаданные указывают лицензию llama3. Языки и специальные области применения в карточке не заявлены.

Llama-3-Umbral-Mind-SimPO-8B — разговорная языковая модель, созданная объединением моделей Casual-Autopsy и Princeton NLP с помощью mergekit и метода SLERP. В основе лежат Casual-Autopsy/L3-Umbral-Mind-RP-v1.0-8B и princeton-nlp/Llama-3-Instruct-8B-SimPO; архитектура — плотная LlamaForCausalLM примерно на 7,5 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов на английском языке; контекстное окно — 8192 токена. Модель распространяется в формате Safetensors по лицензии Llama 3. Карточка не приводит результатов оценивания качества или подробных рекомендаций по настройке генерации.