III.4Клиентская поддержка и customer success

Helsinki-NLP/opus-mt-en-uk — модель машинного перевода семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на украинский и предназначена для автоматического перевода фраз и документов. Модель построена на архитектуре Transformer-align в реализации MarianMT; в метаданных указано 56,7 млн параметров и контекст до 512 токенов. При обработке применяются нормализация текста и SentencePiece. Для набора Tatoeba.en.uk в карточке приведены оценки BLEU 50,2 и chr-F 0,674. Модель обучена на данных OPUS и распространяется под лицензией Apache-2.0. Она подходит для перевода общего текста, но направление перевода ограничено английским → украинским; качество может различаться в зависимости от тематики и текста.

Helsinki-NLP выпустила Helsinki-NLP/opus-mt-itc-en — компактную модель машинного перевода семейства Marian на архитектуре Transformer. Она переводит с группы италийских языков на английский; среди языков источника README перечисляет итальянский, каталанский, испанский, португальский, французский, румынский, окситанский, романшский и другие, включая региональные языки и варианты. Модель содержит 54,4 млн параметров, использует нормализацию и SentencePiece с моделями токенизации spm32k для исходного и целевого текста, а длина контекста составляет 512 токенов. Модель предназначена для перевода текстов с языков-источников на английский, в том числе для локализации и обработки многоязычных материалов. В карточке приведены результаты на тестовых наборах, включая BLEU 36,5 для перевода с румынского и значения BLEU 30,9 и 35,5 для перевода с французского; качество может различаться в зависимости от языка, тематики и формулировок. Модель принимает и выдаёт текст. Лицензия — Apache-2.0.

appvoid/palmer-005 — небольшая языковая модель семейства Palmer, разработанная appvoid для преобразования текста по инструкциям. Она дообучена на appvoid/graphite-004 и предназначена для переписывания и перефразирования, переноса тона, исправления грамматики и стиля, а также других текстовых правок. В карточке указано около 90 млн параметров, тогда как метаданные Hugging Face указывают 60,8 млн; контекстное окно по метаданным — 262 144 токена. Модель построена на Falcon H1 и доступна в формате safetensors для Transformers. Автор сообщает об обучении примерно на миллионе примеров и приводит собственную оценку набора из 100 задач редактирования; результаты получены с квантизацией q8_0, но детали методики и полный состав сравнения ограничены. Модель ориентирована на эксперименты на маломощных устройствах и не проверялась как универсальный чат-ассистент. Для частного использования автор разрешает коммерческое применение при указании модели; компаниям для коммерческого использования требуется получить лицензию у автора.

lik07/pantheon-stheno-hathor-spice-v1 — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом DARE TIES. В качестве базовой использована Gryphe/Pantheon-RP-1.0-8b-Llama-3; в объединение также вошли Nitral-AI/Hathor_Stable-v0.2-L3-8B, Sao10K/L3-8B-Stheno-v3.2 и cgato/L3-TheSpice-8b-v0.8.3. Модель содержит 7,5 млрд параметров, работает с текстом и поддерживает контекст до 8192 токенов. Она предназначена для генерации текста и диалогов, в том числе ролевых бесед и написания историй; метаданные характеризуют базовую модель как англоязычную и ориентированную на ролевые диалоги, истории и выполнение инструкций. Модель опубликована в формате safetensors для библиотеки Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

ParrotOgno-7B — текстовая генеративная модель, созданная yleo путём DPO-дообучения базовой модели mlabonne/OmniBeagle14-7B на наборе предпочтений yleo/emerton_dpo_pairs. В README описан вариант набора данных, сформированный на основе Intel/orca_dpo_pairs: ответы GPT-4 Turbo отмечены как предпочтительные, а ответы GPT-4 — как отклонённые. Модель предназначена для генерации текста в диалоговом формате. Она совместима с шаблонами ChatML и Llama. В метаданных указаны архитектура Mistral, 7,1 млрд параметров и нативный контекст 32 768 токенов; README указывает окно контекста 8 тыс. токенов. Лицензия — CC BY-NC 4.0, допускающая использование с ограничением на коммерческое применение. Карточка не содержит результатов оценки качества: раздел Open LLM Leaderboard сообщает, что результаты ещё появятся. Поэтому пригодность для конкретных сценариев следует проверять отдельно.

Модель RyotaKadoya1993/phi3_translator_merged3 — дообученная языковая модель для генерации текста и диалогов. В карточке указана база unsloth/phi-3-medium-4k-instruct; модель обучали с использованием Unsloth и библиотеки Hugging Face TRL. Архитектура — плотная MistralForCausalLM, размер — 13,8 млрд параметров, контекст — до 4096 токенов. Репозиторий содержит веса Safetensors. Модель можно применять для генерации ответов и диалогового текста. Название репозитория предполагает задачу перевода, однако README не описывает её качество, языковые пары или специальное назначение, поэтому перевод нельзя уверенно считать подтверждённой возможностью. В метаданных указан английский язык. Лицензия — Apache-2.0.

PiVoT-0.1-early-Mistral-7B-Instruct-v0.1 — чат-модель для генерации текста, созданная объединением mistralai/Mistral-7B-Instruct-v0.1 и maywell/PiVoT-0.1-early методом SLERP. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для ответов на инструкции и диалоговые запросы. Метаданные указывают английский и корейский языки, а среди датасетов — корейские наборы вопросов и ответов Wikidata и OpenOrca. Распространяется в формате safetensors по лицензии Apache 2.0. Данных о сравнительных результатах или специальных ограничениях модели в карточке нет.

Nitral-AI/Poppy_Porpoise-1.0-L3-8B — разговорная языковая модель семейства Llama, предназначенная для генерации текста в чат-сценариях. В метаданных указаны плотная архитектура LlamaForCausalLM, 7,5 млрд параметров, контекст до 8192 токенов и формат safetensors. Карточка приводит результаты OpenLLM Leaderboard, включая среднее значение 69,24, а также упоминает возможность работы с изображениями через Koboldcpp и отдельный Llava MMProj; наличие этих файлов в репозитории не подтверждено. Модель рассчитана на англоязычный диалог и генерацию текста. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория. Показатели бенчмарков отражают результаты в указанных тестах и сами по себе не гарантируют качество в других задачах.

rhaymison выпустил rhaymison/portuguese-Phi3-Tom-Cat-128k-instruct — разговорную модель для генерации текста на основе Phi-3 Mini. Модель с 3,7 млрд параметров дообучена на наборе из 300 тысяч инструкций на португальском языке rhaymison/superset и предназначена для ответов на запросы и выполнения инструкций на португальском языке. Модель использует архитектуру Phi-3 с плотной языковой моделью и запускается через Transformers. В метаданных указана длина контекста 4096 токенов; несмотря на «128k» в названии, README и метаданные не подтверждают контекст в 128 тысяч токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Для снижения потребления памяти README рекомендует 4- или 8-битную квантизацию.

QuantuMinx_4B — чат-модель с плотной архитектурой семейства Llama и примерно 3,9 млрд параметров. Она создана FourOhFour при участии нескольких участников Anthracite и получена слиянием методом SLERP моделей NeuroCom v2 и Zenith; в README также указано, что это производная Minitron. Базовой моделью в метаданных указана FourOhFour/Zenith_4B. Модель предназначена для общего ассистирования, ответов на запросы и ролевых диалогов. Она принимает текст и генерирует текст на английском языке. В метаданных заявлен контекст до 131 072 токенов, тогда как README сообщает, что все этапы настройки проходили с контекстом 8 000 токенов. Модель распространяется под лицензией Apache-2.0. Указанный в README контекст настройки меньше заявленного нативного контекста, поэтому качество на длинных диалогах может отличаться от возможностей, предполагаемых максимальной длиной контекста.

Это языковая модель Qwen2-1.5B с сокращённым до 32 тысяч токенов словарём, созданная The Kaitchup методом Minivoc. Модель предназначена для генерации текста и диалогового общения на английском языке; архитектура — плотная Qwen2ForCausalLM, размер — около 1,4 млрд параметров, формат весов — safetensors. Заявленная длина контекста составляет 131 072 токена. Сокращение словаря в подходе Minivoc нацелено на ускорение работы и снижение расхода памяти. Модель выпущена под лицензией Apache-2.0. README ссылается на статью с описанием метода и оценкой, но не приводит численных результатов; поэтому преимущество по скорости и памяти здесь нельзя количественно оценить.

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-sedate_silky_mandrill — дообученная Raymunde модель на базе unsloth/Qwen2.5-0.5B-Instruct, обученная с помощью TRL. Это компактная плотная языковая модель семейства Qwen2 для диалогов и генерации текста; она содержит 494 млн параметров, принимает текст и рассчитана на контекст до 32 768 токенов. Модель можно использовать через Transformers для ответов на вопросы и выполнения инструкций в чате. Карточка не сообщает о специализированных областях применения или лицензии, поэтому условия лицензии по этим данным определить нельзя.

Это созданная Richard Young версия Qwen2.5-1.5B-Instruct, обработанная методом abliteration с помощью Heretic v1.4.0 для уменьшения частоты отказов отвечать. Модель предназначена для диалоговой генерации текста и следования инструкциям; в карточке приведено сравнение, где она отказала в 3 из 100 случаев против 99 из 100 у исходной модели. Это изменение не гарантирует точность или безопасность ответов. Модель использует плотную авторегрессионную архитектуру Qwen2 с 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. README описывает исходную instruct-модель как многоязычную, включая русский, однако метаданные этой версии отмечают английский язык. Репозиторий использует Transformers и формат safetensors. Лицензия — Apache-2.0.

MassivDash/Qwen3-1.7B-heretic — производная модель на базе Qwen3-1.7B-Base, созданная с применением abliteration: в карточке приведены параметры изменения весов и сравнение частоты отказов. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров для генерации текста и диалогов; опубликована в формате safetensors и использует библиотеку Transformers. Модель рассчитана на многоязычные разговорные сценарии и генерацию текста. Abliteration снижает частоту отказов по сравнению с исходной моделью в приведённом тесте, но не устраняет их полностью: модель отказала в 76 из 100 случаев против 91 из 100 у оригинала. Метаданные указывают контекст до 40 960 токенов. Лицензия — Apache-2.0.

Qwen3-1.7B-reas-int-065-3-epochs-it — дообученная на неизвестном наборе данных версия Qwen/Qwen3-1.7B от автора репозитория ferrazzipietro. Это плотная языковая модель с 1,7 млрд параметров на архитектуре Qwen3ForCausalLM; она предназначена для генерации текста и диалогового взаимодействия. Метаданные указывают контекст длиной до 40 960 токенов и поддержку чата. Модель распространяется в формате Safetensors и может использоваться через Transformers. README не уточняет специализацию дообучения, данные обучения, результаты оценки или конкретные сильные стороны, поэтому её возможности сверх генерации текста и диалога нельзя уверенно охарактеризовать. Лицензия — Apache-2.0.

Qwen3.8-27B antislop, semantic-diversity GRPO — плотная текстовая чат-модель на 27 млрд параметров, созданная сообществом rawmodels на базе Qwen/Qwen3.8-27B. Веса последовательно дообучались с помощью дистилляции и GRPO: модель настраивали на более естественный и читаемый текст, разнообразие ответов на один и тот же запрос и выполнение запросов. Основная задача в метаданных — генерация текста; карточка сообщает о поддержке английского и русского языков. Модель предназначена для диалогов и создания связных ответов, в том числе в сценариях, где важны читаемость и различие формулировок. В эксперименте на 24 вопросах ELI5 авторы сообщают о повышении семантического разнообразия и показателя Flesch reading ease, а также о сокращении максимальной длины предложения; размер выборки невелик, поэтому эти результаты не гарантируют аналогичного эффекта в других задачах. Используется библиотека Transformers, формат весов — safetensors. Модель почти не имеет защитного поведения: по данным карточки, она выполняет около 90% вредоносных запросов из AdvBench. Не следует использовать её там, где необходим отказ от небезопасных инструкций. Лицензия в предоставленных данных не указана.

shirley09221/qwen3-8b-full-pretrain-control-tweet-1m-en-sft — дообученная диалоговая языковая модель на архитектуре Qwen3 с 7,6 млрд параметров. По README, модель дообучена на наборе alpaca_en на основе shirley09221/qwen3-8b-full-pretrain-control-tweet-1m-en; метаданные указывают Qwen/Qwen3-8B как базовую модель и формат safetensors. Модель предназначена для генерации текста в диалоговом режиме. Контекст составляет до 40 960 токенов. Английский язык указан в названии набора данных для дообучения, но описание не подтверждает дополнительные специализированные сценарии или результаты оценки качества. Модель опубликована под лицензией other; конкретные условия использования по предоставленным данным установить нельзя.

qwen3-8b-full-pretrain-junk-tweet-1m-en-sft — дообученная на наборе alpaca_en модель семейства Qwen3, разработанная пользователем shirley09221 на базе Qwen/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате и может использоваться для ответов на запросы и выполнения инструкций на английском языке. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и принимает контекст длиной до 40 960 токенов. Модель загружается через Transformers в формате safetensors. Базовая Qwen3-8B описана как многоязычная модель для генерации текста, рассуждений, следования инструкциям, работы с кодом и вызова инструментов, однако для этой версии карточка не подтверждает отдельные возможности сверх text-generation и диалогового режима. Лицензия указана как other; конкретные условия использования в карточке не раскрыты.

gguk2on/qwen3-8B-step_min_g8_b384_math — дообученная с помощью TRL модель Qwen/Qwen3-8B. Это плотная авторегрессионная языковая модель на 7,6 млрд параметров для генерации текста в диалоговом формате; в карточке показан пример ответа на открытый вопрос. Метаданные указывают контекстное окно 40 960 токенов и формат весов safetensors. Модель предназначена для диалоговой генерации текста. В названии указано math, однако карточка не описывает математические возможности, данные обучения или результаты оценки, поэтому специализацию на математике подтвердить нельзя. Модель доступна под лицензией базовой Qwen/Qwen3-8B; README не сообщает условия лицензии.

Это версия Qwen2.5-0.5B-Instruct, преобразованная в формат Llama. Репозиторий подготовлен для совместимости с программами, поддерживающими Llama; модель можно использовать для генерации текста и диалогов. По метаданным, она содержит 494 млн параметров, использует плотную архитектуру и имеет контекст длиной 4096 токенов. Модель загружается через Transformers, веса хранятся в формате safetensors. Модель основана на Qwen/Qwen2.5-0.5B-Instruct и поддерживает несколько языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Лицензия в предоставленных данных не указана.

recoilme/recoilme-gemma-2-9B-v0.3 — слитая диалоговая модель на архитектуре Gemma 2 с 9 млрд параметров, представленная в формате safetensors. Она предназначена для генерации текста и общения в чат-сценариях; заявленная длина контекста — 8192 токена. README содержит результаты оценки Open LLM Leaderboard, включая IFEval и BBH, но не описывает дополнительные специализированные сценарии. Модель создана слиянием ehristoforu/Gemma2-9B-it-psy10k и recoilme/Gemma-2-Ataraxy-Gemmasutra-9B-slerp. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование.

Модель jamessucla/retrobust_plusplus_3b_f16 — дообученная языковая модель семейства Llama 3.2, загруженная scoliono. Она создана на базе unsloth/Llama-3.2-3B-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL для генерации текста. Модель содержит 3,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста на английском языке. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной области применения или дополнительных возможностях.

JeremiahZ/roberta-base-sst2 — модель классификации текста на базе RoBERTa, дообученная на датасете SST-2 из набора GLUE. Она предназначена прежде всего для определения тональности коротких англоязычных текстов, например отзывов и пользовательских комментариев. Архитектура — RobertaForSequenceClassification; модель содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов. На оценочной выборке SST-2 указана точность 93,58% и значение loss 0,2314. Модель ограничена задачей классификации и английским языком; результаты из карточки относятся к оценке на SST-2 и не гарантируют такое же качество на других жанрах или языках. Лицензия — MIT.

Prasadrao/roberta-large-go-emotions — модель RoBERTa-large, дообученная для классификации эмоций в тексте на датасете GoEmotions. Она предназначена для определения эмоциональных категорий в сообщениях и других коротких текстах. Модель содержит 454,1 млн параметров, принимает текст и выдаёт метки классов; максимальная длина контекста — 514 токенов. На оценочной выборке указаны accuracy 0,4589 и F1 0,5142. Модель опубликована под лицензией MIT. Карточка не описывает ограничения подробнее; показатели оценки стоит учитывать при использовании классификации в чувствительных сценариях.

rugpt3small_based_on_gpt2 — русскоязычная авторегрессионная языковая модель семейства GPT-2, разработанная командой SberDevices. Модель предварительно обучали на 80 млрд токенов примерно за три эпохи, а затем дообучили с размером контекста 2048 токена; исходное предварительное обучение использовало длину последовательности 1024 токена. В карточке указаны реализации PyTorch и Flax. Модель предназначена для генерации продолжений русского текста и других сценариев текстовой генерации. Её можно использовать для создания черновиков, подсказок и коротких текстовых фрагментов. Карточка не приводит сведения о лицензии или конкретных ограничениях применения, поэтому условия использования здесь уточнить нельзя.

RuGPT-5-small-v1 — русскоязычная генеративная языковая модель от ViorikaAI-org. Это собственная версия на архитектуре GPT-2 с 320 млн параметров, дообученная на базе gpt-2 для диалогов. Модель принимает текст и генерирует текст; в карточке заявлена поддержка только русского языка и контекст до 2048 токенов. Модель предназначена для русскоязычных диалогов и генерации продолжений текста. Метаданные связывают её с наборами russian_dialogues и SiberianPersonaChat и отмечают возможность чата. Модель распространяется по лицензии Apache 2.0. README содержит неполные сведения о тренировке и не приводит конкретных результатов оценки качества.

Модель ivanovsdesign/sbert-ru-huawei-sentiment-fine-up — русскоязычная модель классификации текста на основе архитектуры BERT, дообученная автором с помощью AutoTrain от базовой модели sismetanin/sbert-ru-sentiment-rusentiment. Она предназначена для определения тональности текста, в том числе пользовательских сообщений и публикаций. Модель принимает текстовые последовательности длиной до 512 токенов и выдаёт класс тональности. В README приведены метрики на валидации: accuracy и micro F1 около 0,672, macro F1 около 0,460. Это указывает на заметно более слабые результаты по отдельным классам, чем усреднённая точность, поэтому качество стоит проверить на данных целевого сценария. Веса опубликованы в формате Safetensors. Лицензия в предоставленных данных не указана.

sfm_baseline_filtered-5k_6k_7k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек обучения с шагами 5000, 6000 и 7000. В метаданных указаны архитектура GPT-NeoX, плотная причинная языковая модель и размер 8,8 млрд параметров; модель распространяется в формате safetensors и имеет контекст длиной до 16 384 токенов. Модель предназначена для генерации текста. README не описывает специальные сценарии, языковую специализацию или сравнительные качества модели. Лицензия в предоставленных сведениях не указана.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear из контрольных точек предварительно обученной языковой модели. В качестве базовой использована контрольная точка global_step7000, также в слияние вошли global_step5000 и global_step6000. Архитектура — GPT-NeoX, плотная авторегрессионная модель с 8,8 млрд параметров; файлы модели представлены в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Указанная длина контекста — 16 384 токена. В README и метаданных нет сведений о поддерживаемых естественных языках, специализированных областях или измеренных ограничениях качества. Лицензия в предоставленных данных не описана.

Это объединённая модель генерации текста, созданная yuhengtu-bytedance с помощью mergekit. В основу слияния вошёл чекпойнт global_step10000; также объединены чекпойнты global_step9000 и global_step8000. Использован линейный метод слияния. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Её контекстное окно составляет 16 384 токена. В карточке не описаны конкретные сценарии, языки и сравнительные преимущества. Репозиторий содержит веса в формате safetensors; условия лицензии в предоставленных данных не приведены.