III.4Клиентская поддержка и customer success

Это слитая модель генерации текста, опубликованная yuhengtu-bytedance и созданная с помощью mergekit. В основе — архитектура GPT-NeoX с плотной языковой моделью на 8,8 млрд параметров; линейным методом объединены контрольные точки обучения с шагов 8k, 9k, 10k, 11k и 12k, причём базовой для слияния была контрольная точка global_step12040. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет 16 384 токена. В репозитории указаны веса в формате safetensors. Сведения о конкретных языках, специализированных областях и сравнительных результатах в предоставленных материалах отсутствуют, поэтому их нельзя надёжно охарактеризовать. Лицензия в данных не указана.

Это объединённая модель генерации текста, созданная ByteDance с помощью mergekit методом Linear из чекпойнтов unfiltered_midtrain_misalignment на шагах обучения 8k, 9k, 10k, 11k и 12k. Базой слияния указан чекпойнт global_step12019. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и предназначена для диалоговой генерации текста. Максимальная длина контекста составляет 16 384 токена. Модель может использоваться для генерации продолжений текста и ответов в чат-сценариях. В карточке нет сведений о языковой специализации, оценках качества или рекомендуемых областях применения. Файлы опубликованы в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Shifu Smart 1.5B — текстовая чат-модель, разработанная shimbaaa и дообученная на базе unsloth/gemma-3-1b-it-bnb-4bit. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру Gemma 3 для причинной языковой модели, содержит около 1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0. Доступные сведения не описывают специализацию дообучения или подтверждённые показатели качества.

smolaya — разработанная автором репозитория компактная версия модели convaiinnovations/laya для принятия решений по тексту. Это плотная модель с энкодером ModernBERT-large, сокращённым с 28 до 20 слоёв, и обучаемой головой решений; всего 323 млн параметров. Модель принимает текст, вопрос и заданные варианты ответа, а за один проход выдаёт оценки вариантов. Все слои энкодера, эмбеддинги и голова дообучены на смеси размеченных наборов данных. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Модель предназначена для классификации по заданным вариантам, анализа тональности, ответов «да/нет» по тексту и задач с выбором ответа. Автор сообщает о более высокой точности на пяти оценённых задачах по сравнению с laya и ускорении примерно в 2,8 раза на CPU при использовании отдельной версии int8. Модель работает только с английским языком. Она хуже справляется с вопросами, требующими обширных знаний, чувствительна к порядку вариантов, а для вопросов на понимание текста с ответом «да/нет» может чрезмерно завышать уверенность. Результаты бенчмарков требуют проверки на целевых данных.

Vivian12300/sparse_ft_en_sw — дообученная модель на базе meta-llama/Llama-3.1-8B-Instruct, созданная с помощью Transformers и сохранённая в формате safetensors. Она предназначена для генерации текста и диалогов; карточка указывает обучение на наборе данных generator, но не описывает специализированные сценарии или результаты оценки. Модель имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Базовая Llama 3.1 8B Instruct рассчитана на многоязычные диалоги и генерацию текста; конкретные языки, на которых дообученная модель работает лучше всего, не уточнены. Доступны чат-возможности и интерфейс вызова инструментов. Лицензия — Llama 3.1.

Карточка модели Discidius/Speech-Emotion-Classification на Hugging Face совпадает с карточкой prithivMLmods/Speech-Emotion-Classification, поэтому описание составлено по ней. Speech-Emotion-Classification — модель prithivMLmods, дообученная на базе facebook/wav2vec2-base-960h для классификации эмоций в речи. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров. Модель принимает аудиосигнал и относит речь к одному из восьми классов: гнев, спокойствие, отвращение, страх, радость, нейтральное состояние, грусть и удивление. Она предназначена для анализа разговоров, персонализации голосовых помощников, разметки аудиоколлекций и вспомогательных сценариев мониторинга эмоционального состояния. Карточка указывает английский язык; базовая модель рассчитана на английскую речь с частотой 16 кГц. Модель распространяется по лицензии Apache-2.0. Предсказания отражают классификацию акустических сигналов и не подтверждают фактическое эмоциональное или психическое состояние человека.

Starling-LM-7B-alpha-ExPO — чат-модель на 7,1 млрд параметров, созданная Berkeley NLP (Berkeley-NEST) методом Weak-to-Strong Extrapolation. Она получена экстраполяцией с коэффициентом 0,2 между контрольными точками SFT и DPO/RLHF на базе Starling-LM-7B-alpha и openchat_3.5; цель — улучшить соответствие ответов человеческим предпочтениям. Модель использует плотную архитектуру Mistral и генерирует текст по текстовому запросу, в том числе в диалоговом режиме. Контекст — до 8192 токенов; в карточке указан английский язык. В README приведены результаты AlpacaEval 2.0 и MT-Bench: для исходной Starling-LM-7B-alpha вариант ExPO показывает более высокие значения на обоих бенчмарках. Эти оценки не гарантируют качество в конкретных сценариях. Модель предназначена для диалоговой генерации текста; сведений о специализированных областях применения нет. Лицензия — Apache 2.0.

Карточка модели nota-ai/st-llama-1-5.5b-ppl на Hugging Face совпадает с карточкой nota-ai/st-vicuna-v1.3-5.5b-taylor, поэтому описание составлено по ней. Nota AI разработала эту модель как укороченную версию Vicuna-v1.3 на базе LLaMA для более эффективной генерации текста. Веса получены удалением наименее значимых блоков Transformer с последующим лёгким дообучением методом LoRA; для pruning использован критерий Taylor+. Вариант уменьшен примерно с 7B до 5,5B параметров, а метаданные указывают 5,4B параметров и архитектуру LlamaForCausalLM. Модель предназначена для генерации текста и диалоговых сценариев на основе Vicuna. Максимальная длина контекста составляет 2048 токенов. Репозиторий содержит веса PyTorch и Safetensors. Лицензия ограничивает использование некоммерческими целями. Сокращение глубины предназначено для повышения эффективности по сравнению с исходной моделью, однако доступные сведения не приводят результатов бенчмарков для этой конкретной версии. Короткий контекст ограничивает работу с длинными документами; модель может наследовать ошибки и ограничения базовой Vicuna.

Карточка модели nota-ai/st-vicuna-v1.3-10.5b-ppl на Hugging Face совпадает с карточкой nota-ai/st-vicuna-v1.3-5.5b-taylor, поэтому описание составлено по ней. Nota AI разработала эту модель как укороченную версию Vicuna-v1.3 на базе LLaMA для более эффективной генерации текста. Веса получены удалением наименее значимых блоков Transformer с последующим лёгким дообучением методом LoRA; для pruning использован критерий Taylor+. Вариант уменьшен примерно с 7B до 5,5B параметров, а метаданные указывают 5,4B параметров и архитектуру LlamaForCausalLM. Модель предназначена для генерации текста и диалоговых сценариев на основе Vicuna. Максимальная длина контекста составляет 2048 токенов. Репозиторий содержит веса PyTorch и Safetensors. Лицензия ограничивает использование некоммерческими целями. Сокращение глубины предназначено для повышения эффективности по сравнению с исходной моделью, однако доступные сведения не приводят результатов бенчмарков для этой конкретной версии. Короткий контекст ограничивает работу с длинными документами; модель может наследовать ошибки и ограничения базовой Vicuna.

Карточка модели nota-ai/st-vicuna-v1.3-5.5b-ppl на Hugging Face совпадает с карточкой nota-ai/st-vicuna-v1.3-5.5b-taylor, поэтому описание составлено по ней. Nota AI разработала эту модель как укороченную версию Vicuna-v1.3 на базе LLaMA для более эффективной генерации текста. Веса получены удалением наименее значимых блоков Transformer с последующим лёгким дообучением методом LoRA; для pruning использован критерий Taylor+. Вариант уменьшен примерно с 7B до 5,5B параметров, а метаданные указывают 5,4B параметров и архитектуру LlamaForCausalLM. Модель предназначена для генерации текста и диалоговых сценариев на основе Vicuna. Максимальная длина контекста составляет 2048 токенов. Репозиторий содержит веса PyTorch и Safetensors. Лицензия ограничивает использование некоммерческими целями. Сокращение глубины предназначено для повышения эффективности по сравнению с исходной моделью, однако доступные сведения не приводят результатов бенчмарков для этой конкретной версии. Короткий контекст ограничивает работу с длинными документами; модель может наследовать ошибки и ограничения базовой Vicuna.

Nota AI разработала эту модель как укороченную версию Vicuna-v1.3 на базе LLaMA для более эффективной генерации текста. Веса получены удалением наименее значимых блоков Transformer с последующим лёгким дообучением методом LoRA; для pruning использован критерий Taylor+. Вариант уменьшен примерно с 7B до 5,5B параметров, а метаданные указывают 5,4B параметров и архитектуру LlamaForCausalLM. Модель предназначена для генерации текста и диалоговых сценариев на основе Vicuna. Максимальная длина контекста составляет 2048 токенов. Репозиторий содержит веса PyTorch и Safetensors. Лицензия ограничивает использование некоммерческими целями. Сокращение глубины предназначено для повышения эффективности по сравнению с исходной моделью, однако доступные сведения не приводят результатов бенчмарков для этой конкретной версии. Короткий контекст ограничивает работу с длинными документами; модель может наследовать ошибки и ограничения базовой Vicuna.

SynthIA-70B-v1.5 — языковая модель семейства LLaMA, представленная пользователем migtissera. Она предназначена для генерации текста; карточка показывает пример диалогового формата с ролями SYSTEM и USER. Модель содержит 68,7 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 2048 токенов. Доступен формат PyTorch, лицензия — Llama 2. Модель можно применять для генерации ответов и связного текста в диалоговых сценариях. Пример в карточке посвящён объяснению запуска ракеты на низкую околоземную орбиту, но он не подтверждает специализацию модели в конкретной предметной области. README не сообщает о результатах оценки качества или известных ограничениях.

T3qm7xExperiment26-7B — объединённая Maxime Labonne модель для генерации текста. Она создана методом SLERP из nlpguy/T3QM7X и rwitz/experiment26-truthy-iter-1; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель подходит для генерации продолжений и диалоговых ответов. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0. В карточке приведены конфигурация слияния и краткий пример использования через Transformers, но нет сведений о специальных задачах или оценках качества.

Taiwan LLM 13B v1.0 chat — языковая модель, разработанная для традиционного китайского языка и культурного контекста Тайваня. Она создана на архитектуре LLaMA и дообучена методом supervised fine-tuning на общедоступных и синтетических текстовых данных, включая тайваньские источники и наборы инструкций. Модель содержит 12,9 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Модель предназначена для диалогов, понимания и генерации текста на традиционном китайском с учетом языковых особенностей Тайваня. В карточке отмечены улучшения на бенчмарках TC-Eval, но подробные результаты приведены в отдельном техническом отчете. Распространяется по лицензии Llama 2. Разработчики предоставляют модель без гарантий и запрещают её применение для высокорисковых задач, включая медицинскую диагностику, юридические консультации и финансовые инвестиции.

Sakalti Tara-3.8B-v1.1 — языковая модель Sakalti для генерации текста и диалогового общения. Это плотная causal language model на архитектуре Llama с 3,7 млрд параметров, дообученная на базе Sakalti/tara-3.8B с помощью Unsloth и библиотеки TRL. В метаданных указана длина контекста 4096 токенов и поддержка английского и японского языков; среди данных для дообучения указан японский набор llm-jp/oasst2-33k-ja. Модель подходит для генерации ответов в чате и продолжения текста. Репозиторий содержит веса в формате safetensors, библиотека запуска — Transformers. Метаданные указывают лицензию MIT, тогда как README указывает Apache-2.0; лицензию следует уточнить перед использованием.

Terminal-complete11k — дообученная диалоговая языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; README сообщает, что модель обучалась на наборе данных qwen_data_complete, но не описывает его содержимое и специализацию модели. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM, принимает текст и поддерживает контекст до 40 960 токенов. Модель может быть полезна для диалогов и генерации текста. Данных о качестве, языковом охвате и конкретных ограничениях в карточке нет. Репозиторий распространяется в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

Карточка модели cuong1692001/Terminal-complete_11k на Hugging Face совпадает с карточкой cuong1692001/Terminal-complete-11k, поэтому описание составлено по ней. Terminal-complete11k — дообученная диалоговая языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; README сообщает, что модель обучалась на наборе данных qwen_data_complete, но не описывает его содержимое и специализацию модели. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM, принимает текст и поддерживает контекст до 40 960 токенов. Модель может быть полезна для диалогов и генерации текста. Данных о качестве, языковом охвате и конкретных ограничениях в карточке нет. Репозиторий распространяется в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

trinhkhng/ties_Merged_Qwen2-0.5B_0.1 — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом TIES. В объединение вошли Qwen2-0.5B и debias_Qwen2-0.5B; в качестве базовой модели и источника токенизатора использована Qwen2-0.5B. Модель содержит около 493,7 млн параметров и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогового общения. Заявленная длина контекста — 131072 токена. В карточке не приведены сведения о языковой поддержке и специализированных областях применения. Лицензия в предоставленных данных не указана.

TinyUltra-4x1.1B-Base-Alpha — языковая модель семейства Mixtral с архитектурой смеси экспертов (MoE), собранная с помощью MergeKit из четырёх моделей на базе TinyLlama. В состав входят TinyLlama-1.1B-Chat-v1.0, DopeyTinyLlama-1.1B-v1, TinyDolphin-2.8.1-1.1b и Tinyllama-Cinder-1.3B-Reason-Test. В метаданных указаны около 1 млрд параметров и контекст 2048 токенов. Модель предназначена для генерации текста и диалогового использования в качестве помощника. В карточке приведены результаты оценки на бенчмарках рассуждения и здравого смысла, включая AI2 Reasoning Challenge и HellaSwag. Репозиторий содержит веса safetensors; лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

Trigonotis — разговорная языковая модель серии v3.1 от NLPark, представленная как ранняя предварительная версия. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 69,5 млрд параметров, обученная методом SFT. Она предназначена для генерации текста и диалогового взаимодействия на китайском и английском языках. Модель использует контекст длиной до 131 072 токенов и распространяется в формате Safetensors через Transformers. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий.

Карточка модели giocorte/totem-slm-rl-v3 на Hugging Face совпадает с карточкой giocorte/totem-slm-rl-v4, поэтому описание составлено по ней. giocorte/totem-slm-rl-v4 — дообученная текстовая модель giocorte на базе unsloth/Qwen3-4B. Это плотная причинно-языковая модель семейства Qwen3 с 3,7 млрд параметров, рассчитанная на генерацию текста и диалоговые сценарии; для работы предусмотрен контекст до 40 960 токенов. Карточка сообщает, что модель обучали с помощью Unsloth и библиотеки TRL от Hugging Face. Модель подходит для генерации ответов в чате и других задач, сводимых к продолжению текста. Метаданные указывают английский язык. Репозиторий содержит веса в формате Safetensors и опубликован по лицензии Apache-2.0. Специализированная область применения и результаты оценки качества в карточке не описаны.

Tulu V2.5 DPO 13B Nectar — англоязычная диалоговая модель-помощник от Allen Institute for AI (AI2), основанная на Llama 2. Это плотная архитектура Llama с 12,9 млрд параметров, дообученная на инструкциях Tulu 2, а затем настроенная методом DPO на выборке Nectar из данных предпочтений. Модель предназначена для диалогов с помощником и генерации ответов на инструкции; её контекст составляет 4096 токенов. Модель принимает текст и генерирует текст. Для неё заявлена поддержка английского языка; токенизатор содержит шаблон диалога, а карточка рекомендует соблюдать его формат, включая перевод строки после сообщения пользователя. Модель распространяется по лицензии Apache 2.0. В карточке отмечено, что этап RLHF не настраивал модели Tulu на безопасные ответы и что фильтрация ответов не предусмотрена. Поэтому модель может выдавать проблемный контент, особенно по соответствующему запросу.

Tulu V2.5 PPO 13B Chatbot Arena 2023 — англоязычная диалоговая модель-помощник от Allen Institute for AI (AI2). Она построена на архитектуре Llama 2 с 12,9 млрд параметров и дообучена методом PPO на диалогах Chatbot Arena 2023; при обучении использовалась 13-миллиардная reward-модель, обученная на данных Chatbot Arena. Модель предназначена для генерации ответов помощника и следования инструкциям в англоязычных диалогах. Контекст составляет 4096 токенов. Модель поддерживает текстовый ввод и выдаёт текст. Для диалога предусмотрен шаблон чата в токенизаторе; соблюдение формата и завершающего перевода строки влияет на качество генерации. Лицензия — Apache 2.0. В RLHF-модели не настраивалась на безопасные ответы, а встроенная фильтрация не предусмотрена, поэтому она может выдавать проблемный контент, особенно при соответствующих запросах.

Turkish-9b-merged — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit из TURKCELL/Turkcell-LLM-7b-v1 и Trendyol/Trendyol-LLM-7b-chat-dpo-v1.0. Модель содержит 8,9 млрд параметров и рассчитана на генерацию текста и диалоговое общение на турецком языке. Модель принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Объединение использует слои 0–31 модели Turkcell и слои 24–31 модели Trendyol с методом passthrough и типом данных bfloat16. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

2Vasabi/tvl-mini-0.1 — LoRA-дообучение мультимодальной модели Qwen2-VL-2B-Instruct, подготовленное для работы с русским языком. Модель использует архитектуру Qwen2-VL с плотной структурой и содержит 1,5 млрд параметров; для работы с изображениями и видео применяется мультимодальная базовая модель. Контекстное окно составляет 32 768 токенов. Модель предназначена для диалогов и генерации текста по запросам, в том числе на русском и английском языках. В карточке указано обучение на наборе GrandMaster-PRO-MAX; описание также перечисляет визуальное рассуждение, создание подписей к изображениям, VQA и классификацию среди направлений данных, но помечает их как находившиеся в процессе обучения. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

Umbral-v0.4-1 — объединённая языковая модель семейства Llama, созданная сообществом mergekit-community методом task arithmetic на основе Sao10K/L3-8B-Stheno-v3.2 с добавлением Casual-Autopsy/MopeyMule-Blackroot-8B и Casual-Autopsy/SOVL-MopeyMule-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и доступна в формате safetensors для Transformers. Модель предназначена для генерации текста и разговорных сценариев, включая ролевые диалоги, написание историй и выполнение инструкций — такие возможности указаны для базовой модели. Поддерживает контекст до 8192 токенов. Карточка не описывает отдельные языковые или прикладные специализации объединённой модели. Лицензия в предоставленных данных не указана.

Viviana_V2 — языковая модель, созданная автором domie путём слияния моделей mymaia/Magiq-M0 и galatolo/cerbero-7b с помощью mergekit и метода slerp. Это плотная авторегрессионная архитектура Mistral объёмом 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Модель принимает текст и выдаёт текст; заявлены английский и итальянский языки, а длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка описывает состав и параметры слияния, но не приводит оценок качества или подробных рекомендаций по сценариям использования.

Voldemort-10B — текстовая авторегрессионная модель семейства Mistral, созданная FelixChao путём объединения слоёв FelixChao/WizardDolphin-7B и SanjiWatsuki/Silicon-Maid-7B методом passthrough. Модель содержит 10,6 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст до 8192 токенов. Модель предназначена для генерации текста. Её можно использовать для диалогов, написания черновиков и продолжения текста; карточка не описывает отдельные специализированные сценарии или языки. Веса опубликованы в формате safetensors и bfloat16. Лицензия — Apache-2.0. Карточка не содержит оценок качества или подробных результатов тестирования.

West-Maid-7B — языковая модель Mistral, созданная автором репозитория с помощью mergekit: веса двух предварительно обученных моделей объединены методом SLERP. В слиянии использованы senseable/WestLake-7B-v2 и NeverSleep/Noromaid-7B-0.4-DPO; в конфигурации базовой указана WestLake-7B-v2. Модель предназначена для генерации текста и диалогов. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Карточка приводит результаты Open LLM Leaderboard, включая среднюю оценку 69,09, но не уточняет целевые сценарии и языки. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Оценки в карточке не гарантируют качество для конкретных задач.

WindyLLM_kor_jpn_eng — объединённая диалоговая языковая модель на базе Llama 3, созданная с помощью mergekit методом SLERP из MLP-KTLim/llama-3-Korean-Bllossom-8B и meta-llama/Meta-Llama-3-8B-Instruct. Модель содержит 7,1 млрд параметров, использует архитектуру LlamaForCausalLM, сохранена в формате safetensors и работает через Transformers; контекст — до 8192 токенов. Модель предназначена для диалога и генерации текста. Название указывает на корейский, японский и английский языки, однако карточка не приводит конкретных оценок или примеров качества для этих языков. Лицензия в предоставленных данных не указана.