III.4Клиентская поддержка и customer success

lwef/llm-bench-upload-1 — дообученная lwef модель семейства Llama 3 для генерации текста и диалогового взаимодействия. Она основана на beomi/Llama-3-Open-Ko-8B, имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Модель работает с текстом, поддерживает английский язык и использует контекст длиной до 8192 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Её можно применять для генерации продолжений текста и ответов в диалоге. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0.

Luth-LFM2-350M — компактная языковая модель для диалогов, созданная Kurakurai в сотрудничестве с Liquid AI на базе LiquidAI/LFM2-350M. Модель полностью дообучена на наборе Luth-SFT и затем объединена с исходной LFM2-350M; архитектура — плотная LFM2 с причинной языковой моделью. В репозитории указаны 444,6 млн параметров и контекст до 128 000 токенов. Модель предназначена для следования инструкциям, ответов на общие вопросы и решения математических задач на французском и английском языках. Дообучение улучшило французские возможности, а английские, согласно README, остались на прежнем уровне. Модель доступна в формате safetensors для Transformers; лицензия указана как other, поэтому условия использования следует уточнить на странице репозитория.

LYRA-MISTRAL — разговорная генеративная модель, разработанная и поддерживаемая Muhammad Taqi. По метаданным Hugging Face это плотная модель семейства Mistral с архитектурой MistralForCausalLM, 7,1 млрд параметров и контекстом до 32 768 токенов; README называет её лёгким движком рассуждений на 1 млрд параметров, поэтому сведения о размере расходятся. Модель предназначена для генерации текста и высокоскоростного диалога. Метаданные отмечают поддержку чата и интерфейс вызова инструментов; в карточке указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. README заявляет быстрые ответы, но не приводит результатов измерений или подробностей обучения. Поэтому производительность и качество рассуждений по карточке проверить нельзя; также расходятся сведения об архитектурной основе: README указывает LYRAMOON, а метаданные классифицируют модель как Mistral.

MaziyarPanahi/M7Yamshadowexperiment28_Inex12Experiment24 — объединённая модель семейства Mistral для генерации текста. Она создана слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Inex12Experiment24-7B и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Лицензия — Apache-2.0. Описание не приводит специальных областей применения, языкового профиля или результатов оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

MaziyarPanahi/M7Yamshadowexperiment28_Inex12Yamshadow — объединённая модель для генерации текста, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Inex12Yamshadow-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель принимает текст и генерирует текст; размер контекста составляет до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. В карточке не описаны специализация, языковое покрытие и результаты оценки качества. Распространяется в формате safetensors по лицензии Apache-2.0.

Marcoro14-7B-slerp — плотная языковая модель семейства Llama 3 для генерации текста и диалогов. Её создали, объединив с помощью mergekit модели Orenguteng/Llama-3-8B-Lexi-Uncensored и nbeerbower/llama-3-spicy-abliterated-stella-8B методом SLERP; в конфигурации указана точность bfloat16. Репозиторий содержит веса в формате safetensors, а число параметров составляет 7,5 млрд. Модель предназначена для генерации продолжений текста и ведения диалогов. Заявленное контекстное окно — 8192 токена. В карточке не описаны отдельные специализированные области применения или поддерживаемые языки, поэтому их нельзя определить точнее. Модель распространяется по лицензии Apache-2.0.

Карточка модели Rupesh2/Marcoro14-7B-slerp3 на Hugging Face совпадает с карточкой Rupesh2/Marcoro14-7B-slerp2, поэтому описание составлено по ней. Marcoro14-7B-slerp — плотная языковая модель семейства Llama 3 для генерации текста и диалогов. Её создали, объединив с помощью mergekit модели Orenguteng/Llama-3-8B-Lexi-Uncensored и nbeerbower/llama-3-spicy-abliterated-stella-8B методом SLERP; в конфигурации указана точность bfloat16. Репозиторий содержит веса в формате safetensors, а число параметров составляет 7,5 млрд. Модель предназначена для генерации продолжений текста и ведения диалогов. Заявленное контекстное окно — 8192 токена. В карточке не описаны отдельные специализированные области применения или поддерживаемые языки, поэтому их нельзя определить точнее. Модель распространяется по лицензии Apache-2.0.

MasherAI-2B-v0.1 — языковая модель mahiatlinux для генерации текста и диалогов, дообученная на базе unsloth/gemma-2b-bnb-4bit с помощью Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная модель семейства Gemma с архитектурой GemmaForCausalLM и 2,5 млрд параметров. Она принимает текст и генерирует текст, а её контекстное окно составляет 8192 токена. Модель опубликована в форматах PyTorch и safetensors и распространяется по лицензии Apache-2.0. Модель подходит для текстовых диалогов и генерации ответов на английском языке. Карточка не описывает конкретную специализацию, обучающие данные или результаты оценки качества, поэтому пригодность для узких задач следует проверять отдельно.

MeliodasPercival_01_Experiment28Yam — объединённая модель генерации текста, созданная из automerger/MeliodasPercival_01-7B и automerger/Experiment28Yam-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель предназначена для генерации текста по текстовому запросу и поддерживает контекст до 32 768 токенов. Репозиторий распространяет веса в формате Safetensors по лицензии Apache-2.0. Карточка не описывает специализированные области применения или результаты оценки качества.

MeliodasPercival_01_MeliodasNeuralsirkrishna — объединённая текстовая генеративная модель, созданная из automerger/MeliodasPercival_01-7B и automerger/MeliodasNeuralsirkrishna-7B. Она предназначена для генерации текста по текстовому запросу. Модель построена на плотной архитектуре Mistral с причинно-языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Нативная длина контекста составляет 32 768 токенов; веса представлены в формате Safetensors. Данных о целевых языках и специализированных областях применения нет. Модель распространяется по лицензии Apache-2.0. Карточка описывает объединение двух моделей, но не приводит результаты оценки качества или подробности метода объединения.

Mixtral-Fusion-4x7B-Instruct-v0.1 — экспериментальная чат-модель, созданная mmnga слиянием экспертов mistralai/Mixtral-8x7B-Instruct-v0.1 методом SLERP. Она предназначена для генерации текста в диалогах и отвечает на запросы пользователя. Архитектура — Mixtral с разреженной экспертной моделью (MoE); в метаданных указано 7,1 млрд параметров, контекст — до 32 768 токенов. Модель принимает и выдаёт текст; в карточке перечислены английский, французский, итальянский, немецкий и испанский языки. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка называет её экспериментальной; результаты могут отличаться от исходной Mixtral, а оценок качества или сравнительных тестов в доступных данных нет.

zelk12/MT1-Gen4-MU-gemma-2-S2S5-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из allknowingroger/Gemmaslerp2-9B и allknowingroger/GemmaSlerp5-10B. Модель содержит 9 млрд параметров, использует формат safetensors и рассчитана на генерацию текста в диалоговом режиме с контекстом до 8192 токенов. Модель подходит для генерации ответов и продолжения текста в чат-сценариях. README описывает процедуру слияния и исходные модели, но не приводит специализированных задач, языкового охвата или результатов оценки качества. Сведения о лицензии в доступных данных отсутствуют.

zelk12/MT2-IF-gemma-2-RIv0.1RAt0.25v0.1-9B — объединённая автором zelk12 языковая модель семейства Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25 и zelk12/recoilme-gemma-2-Ifable-9B-v0.1. Модель с плотной архитектурой Gemma2ForCausalLM содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Модель принимает текстовые запросы и выдаёт текст; заявленная длина контекста составляет 8192 токена. Карточка описывает способ слияния и исходные модели, но не приводит подробностей о конкретных сценариях, языках или специализированных областях применения. Репозиторий содержит веса в формате Safetensors; условия лицензии в предоставленных данных не указаны.

zelk12/MT3-Gen4-GBMUI-gemma-2-9B — объединённая методом SLERP модель для генерации текста и диалогов, созданная автором репозитория с помощью mergekit на основе двух моделей Gemma 2. Она построена на плотной архитектуре Gemma2ForCausalLM, содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогового взаимодействия и генерации текста; поддержка русского или других конкретных языков в карточке не подтверждена. Файлы опубликованы в формате safetensors, библиотека — Transformers. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen5-IF-gemma-2-Av4dMT2-9B_v1 — слитая модель для генерации диалогового текста на основе Gemma 2. Она создана с помощью mergekit методом SLERP из lemon07r/Gemma-2-Ataraxy-v4d-9B и zelk12/MT2-gemma-2-9B. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и принимает текстовый контекст длиной до 8192 токенов. Подходит для продолжения текста и диалоговой генерации; карточка не уточняет языки, специальные сценарии применения или результаты оценки качества. Файлы представлены в формате safetensors, библиотека для работы — Transformers. Условия лицензии в предоставленных данных не указаны.

Multiparadigm_7B — англоязычная чат-модель на 7,1 млрд параметров, созданная объединением MTSAIR/multi_verse_model и ResplendentAI/Paradigm_7B методом SLERP с помощью MergeKit. Модель использует плотную архитектуру Mistral и предназначена для генерации текста в диалоговом формате; максимальный контекст составляет 32 768 токенов. Модель может применяться для ведения англоязычных диалогов, ролевого общения и генерации ответов. В карточке приведены результаты оценивания на наборах AI2 Reasoning Challenge и HellaSwag. Репозиторий распространяет веса в формате Safetensors; в карточке также упомянуты доступные статические GGUF-квантизации. Лицензия — Apache-2.0.

Myalee v3 L31 8B — разговорная языковая модель, разработанная Arcee AI и дообученная на основе Crystalcareai/Meta-llama-3.1-8b-instruct. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста составляет 131 072 токена. Модель опубликована в формате PyTorch и распространяется по лицензии Llama 3.1. README не описывает обучающие данные, результаты оценки или специализированную область применения, поэтому качество и пригодность для конкретных задач по карточке определить нельзя.

Naluri (XLM-R base, M6-pairs) — многоязычная модель для принятия решений по текстовому или JSON-состоянию и типизированному вопросу с перечисленными вариантами ответа. Её разработал Jericho Siahaya; модель дообучена на XLM-RoBERTa base и содержит около 305 млн параметров по метаданным. Вместо генерации текста она за один проход выдаёт калиброванные вероятности для ответов «да/нет», вариантов выбора или упорядоченных уровней оценки. Модель предназначена для классификации тем, ответов на вопросы по тексту и структурированных решений. В карточке заявлена поддержка языков из семейства XLM-RoBERTa; оценка модели приведена для нескольких многоязычных задач. Контекст ограничен 514 токенами по метаданным; README рекомендует держать вопрос вместе с вариантами примерно в пределах 192 токенов и использовать не более 20 вариантов. Для запуска требуется приложенный код naluri.py: стандартный pipeline Transformers и виджет инференса Hugging Face не поддерживают специальную голову принятия решений. Сильная сторона модели — компактный однопроходный вывод вероятностей, а обучение на контрастных минимальных парах помогает учитывать состояние во входе. По README, слабее всего модель справляется с нулевым дообучением на структурированных бизнес-решениях, некоторые ответы «да/нет» с JSON-состояниями слабо реагируют на изменения данных, а качество ниже на низкоресурсных языках; результаты основаны на одном запуске. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

trinhkhng/nearswap_Merged_Qwen2-0.5B_0.4 — объединённая автором модель на архитектуре Qwen2, созданная методом NearSwap с помощью mergekit. В слиянии использованы базовая Qwen2-0.5B и модель debias_Qwen2-0.5B; параметр слияния t равен 0.4. Модель содержит около 493,7 млн параметров и рассчитана на генерацию текста в диалоговом сценарии; заявленная длина контекста — до 131 072 токенов. Модель подходит для диалоговой генерации и ответов на текстовые запросы. Репозиторий использует формат safetensors и библиотеку Transformers. Сведения о лицензии, поддерживаемых языках и оценках качества в предоставленных материалах отсутствуют.

Trappu/Nemo-Picaro-V2-12B — плотная авторегрессионная языковая модель семейства Mistral, разработанная Trappu и дообученная на основе royallab/MN-LooseCannon-12B-v2 с использованием Unsloth и TRL. Модель содержит 12,1 млрд параметров, поддерживает текстовую генерацию и чат; для работы с ней указано контекстное окно до 1 024 000 токенов. Модель предназначена для генерации текста и ведения диалогов на английском языке. Её можно применять для написания прозы, продолжения текста и ответов в чате. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache 2.0. Подробности обучающих данных и оценок качества в карточке не приведены.

NeuralQwen-7B-Spanish-Iptel — языковая модель на 7,1 млрд параметров, созданная Kukedlc слиянием Qwen/Qwen2.5-7B-Instruct и Kukedlc/iptel_qwen с помощью LazyMergekit и метода dare_ties. Модель семейства Qwen2 имеет плотную архитектуру Qwen2ForCausalLM, принимает текст и предназначена для диалогов и генерации текста. В карточке заявлено контекстное окно до 131 072 токенов; название указывает на ориентацию на испанский язык, но конкретные языки обучения или результаты оценки в README не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0. В метаданных также отмечен интерфейс вызова инструментов. Качество и ограничения слияния не охарактеризованы, поэтому пригодность для конкретных задач стоит проверять отдельно.

NeuralSpanish-7B-Stock — языковая модель для генерации текста, созданная слиянием нескольких моделей на базе Mistral-7B-v0.2-hf с помощью LazyMergekit и метода model_stock. В состав слияния вошли ecastera/ecastera-eva-westlake-7b-spanish, Kukedlc/SpanishChat-7b и Kukedlc/NeuralSirKrishna-Spanish-FT. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель ориентирована на генерацию текста на испанском языке и диалоговые сценарии. Веса опубликованы в формате safetensors; в README указан тип bfloat16. Сведения о лицензии и конкретных ограничениях качества в предоставленных данных отсутствуют.

NeuroCom_4B — диалоговая модель для генерации текста, созданная с участием нескольких участников Anthracite. Это производная Minitron с 3,9 млрд параметров на архитектуре Llama, дообученная на 120 млн качественных токенов для следования инструкциям и ролевого общения. В README модель предназначена для роли универсального помощника и RP-сценариев. Модель принимает текст и генерирует текст; её контекстное окно по метаданным составляет 131 072 токена, хотя настройка из README проводилась с контекстом 8 тыс. токенов. Репозиторий содержит веса Safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит результатов сравнительных оценок, поэтому качество на конкретных задачах не установлено.

Lurunchik/nf-cats — модель классификации типов вопросов, обученная разработчиком на наборе данных NFQA. Она основана на RoBERTa и использует метки NOT-A-QUESTION, FACTOID, DEBATE, EVIDENCE-BASED, INSTRUCTION, REASON, EXPERIENCE и COMPARISON, чтобы определять тип входного текста. Модель предназначена для разметки вопросов и связанных с ними высказываний по типу, например для последующей маршрутизации или анализа обращений. Это архитектура RoBERTa с 151,8 млн параметров, принимающая текст; для токенизации в примере README используется deepset/roberta-base-squad2. Контекст составляет 514 токенов, основной язык — английский. Модель выпущена под лицензией MIT.

MergedQwen2-0.5B0.4 — языковая модель, созданная методом NuSLERP с помощью mergekit путём объединения Qwen2-0.5B и debias_Qwen2-0.5B с весами 0,6 и 0,4 соответственно. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит около 493,7 млн параметров и работает с библиотекой Transformers в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Заявленная длина контекста — до 131 072 токенов. Языки модели и её конкретные преимущества по снижению предвзятости в карточке не раскрыты. Лицензия не указана в доступных данных.

Obsidian-70b — разговорная языковая модель на архитектуре Llama, созданная автором tdot604 методом слияния TIES через mergekit. В качестве основы использована tdot604/Hazy-Llama-70b; в слияние также вошли Sao10K/L3-70B-Euryale-v2.1, TheDrummer/Moist-Miqu-70B-v1.1 и crestf411/L3-70B-daybreak-abliterated-v0.4. Модель содержит 69,5 млрд параметров, принимает текст и генерирует текст для диалогов и ролевых сценариев. Указанный родной контекст — 8192 токена; файлы представлены в формате safetensors, для работы используется Transformers. Базовая модель описана как англоязычная, поэтому назначение для других языков не подтверждено. Карточка не сообщает отдельной лицензии или специальных ограничений применения; условия использования следует проверять у базовых моделей и компонентов слияния.

OGNO-7B — языковая модель, созданная автором paulml слиянием двух моделей Mistral с помощью LazyMergekit: liminerity/Omningotex-7b-slerp и eren23/dpo-binarized-NeutrixOmnibe-7B. В карточке указано слияние методом SLERP; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалоговых ответов. Её можно использовать для продолжения текста и ответов на запросы в сценариях, где подходит генеративная Mistral-модель. Данные не уточняют языковую специализацию и подробные результаты оценки качества. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Качество и поведение унаследованы от объединённых моделей и зависят от запроса; независимые оценки OGNO-7B в предоставленных материалах не описаны.

OOM-SOLAR-10.7B_02 — языковая модель на архитектуре Transformer семейства Llama, опубликованная giprime. Модель основана на beomi/OPEN-SOLAR-KO-10.7B, которая, согласно карточке, использует архитектуру upstage/SOLAR-10.7B-v1.0. Веса представлены в формате Safetensors; число параметров — 10,7 млрд, контекст — до 4096 токенов. Модель предназначена для генерации текста. В метаданных указаны английский и корейский языки. README не описывает конкретные сценарии применения и оценку качества. Лицензия — Apache-2.0.

openlm-3b-202407-grpo-obqa-v4 — разговорная модель генерации текста на базе архитектуры OpenLM, дообученная с помощью TRL. В карточке приведён пример диалогового ответа на открытый вопрос; модель предназначена для генерации продолжений и ответов в формате чата. Модель содержит 2,7 млрд параметров, использует плотную архитектуру OpenLM и принимает текст с контекстом до 2048 токенов. Репозиторий содержит веса в формате Safetensors. В метаданных указана лицензия, но её значение отсутствует, поэтому условия использования по доступным сведениям уточнить нельзя.

pkaryarypis/opt-6.7b-sft — дообученная модель семейства OPT, созданная на основе facebook/opt-6.7b и обученная на наборе данных generator. Она предназначена для генерации текста и диалоговых сценариев по текстовому запросу. Модель содержит 8,8 млрд параметров, использует архитектуру OPTForCausalLM и принимает контекст длиной до 2048 токенов. В карточке приведён результат оценки на тестовом наборе: loss 1,2324. Подробности о составе данных, методике оценки и практических ограничениях не раскрыты. Модель опубликована в формате safetensors; лицензия указана как other.