III.4Клиентская поддержка и customer success

ShweYon_Qwen2.5-MM-v1.2.9 — дообученная языковая модель URajinda на архитектуре Qwen2, представленная в формате Safetensors. Модель содержит 1,6 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для генерации текста в диалоговом формате. Модель дообучена на URajinda/ShweYon_Qwen2.5-MM-v1.2.9-Final с использованием Unsloth и библиотеки TRL из Hugging Face. Карточка не описывает специализированную область применения или дополнительные возможности сверх генерации текста. Лицензия — Apache 2.0.

SJT-4B-v1.1 — объединённая языковая модель, созданная с помощью mergekit методом TIES. В основе объединения — MaziyarPanahi/calme-2.1-phi3.5-4b; также включена Sakalti/Lunar-4B. Модель построена на архитектуре Phi-3 и содержит 3,7 млрд параметров. Модель предназначена для диалоговой генерации текста. Метаданные указывают поддержку английского и японского языков, интерфейс чата и контекст до 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. В README не приведены результаты оценки качества или подробные ограничения; практические ответы могут зависеть от формулировки запроса и сценария использования.

MergedQwen2-0.5B0.4 — языковая модель на архитектуре Qwen2, созданная автором репозитория с помощью mergekit путём слияния двух предварительно обученных моделей: Qwen2-0.5B и debias_Qwen2-0.5B. Использован метод SLERP с параметром t=0.4; модель предназначена для генерации текста и диалоговых сценариев. Модель содержит около 493,7 млн параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. Карточка не сообщает конкретные языки или специализацию по прикладным областям, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана.

Sonya-7B — плотная языковая модель семейства Mistral на 7,1 млрд параметров, созданная SanjiWatsuki слиянием пяти моделей: xDAN-L1-Chat-RL-v1, Stealth v1.2, piano-medley-7b, Noromaid-7B-v0.2 и NSFW_DPO_vmgb-7b. Дополнительного обучения после слияния не проводилось. Модель предназначена для генерации текста общего назначения, диалогов, творческого письма и ролевых сценариев; для неё рекомендован шаблон Alpaca. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. В README приведены высокие результаты на MT-Bench, но автор отмечает, что у модели бывают необычные ответы и её качество следует оценивать с учётом размера 7B. Лицензия — CC BY 4.0.

Карточка модели zaddyzaddy/Soro-GPT-34k на Hugging Face совпадает с карточкой zaddyzaddy/Soro-GPT, поэтому описание составлено по ней. Soro-GPT — языковая модель от zaddyzaddy, дообученная на базе unsloth/llama-3-8b-bnb-4bit. Она использует плотную архитектуру Llama с причинно-языковой головой и предназначена для генерации текста. В карточке указаны 7,5 млрд параметров и контекст до 8192 токенов; для обучения применялись Unsloth и библиотека TRL. Модель можно использовать для генерации продолжений текста и диалоговых ответов. Карточка не описывает специализацию, обучающие данные или результаты оценки качества, поэтому пригодность для конкретных областей не подтверждена. Лицензия — Apache-2.0.

MohamedGomaa30/spark-tts-normazlied-masri-mega — дообученная разговорная языковая модель на архитектуре Qwen2, опубликованная в формате safetensors. Она предназначена для генерации текста в диалоге; карточка показывает пример ответа на вопрос, а метаданные указывают поддержку чата и задачи text-generation. Размер модели — 506,6 млн параметров, длина контекста — 32 768 токенов. В README указано обучение с использованием TRL. Лицензия и целевой язык в доступных сведениях не приведены.

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.

Amu/spin-phi2 — англоязычная плотная авторегрессионная языковая модель на архитектуре Phi, созданная автором репозитория дообучением microsoft/phi-2 методом SPIN на наборе UltraChat 200k. Она предназначена для генерации текста и диалоговых сценариев: может формулировать ответы на запросы и поддерживать разговор. В метаданных указаны 3,5 млрд параметров, контекст до 2048 токенов и формат весов Safetensors. Автор сообщает, что применил SPIN к предобученной Phi-2, и приводит результаты оценки на Open LLM Leaderboard, включая среднее значение 61,68, однако подробностей методики и полной таблицы в доступной карточке нет. Модель лицензирована по Apache-2.0. Подтверждена поддержка английского языка; заявлений о других языках или специализированных областях карточка не содержит.

Step-Audio-R1.1 — аудиодиалоговая модель StepFun для интерактивного общения с низкой задержкой и рассуждениями во время речи. Архитектура StepAudio2ForCausalLM использует два компонента: один отвечает за формирование рассуждений, другой — за речевое взаимодействие; модель опирается на акустические представления, а не только на текст транскрипции. В README приведена конфигурация обслуживания с контекстом до 16 384 токенов. Модель предназначена для разговорных сценариев, где нужны быстрые ответы на речь и выполнение сложных рассуждений в реальном времени. Для развёртывания описаны Linux, Python 3.10 или новее, NVIDIA GPU с CUDA и специальная сборка vLLM; также доступен API StepFun Audio Studio. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. README не приводит языки или оценку требуемых ресурсов для иных конфигураций.

Карточка модели nota-ai/st-llama-1-5.5b-taylor 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.

Stork-7B-slerp — чат-модель для генерации текста, созданная слиянием моделей vigostral-7b-chat и French-Alpaca-7B-Instruct-beta методом SLERP с помощью LazyMergekit. Она предназначена для диалоговых ответов и выполнения инструкций на французском языке. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель объединяет французскую чат-модель на базе Mistral-7B и франкоязычную инструктивную модель. Лицензия в предоставленных данных не указана.

Карточка модели nota-ai/st-vicuna-v1.3-10.5b-taylor 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.

Suzume ORPO Borda Full — многоязычная чат-модель, разработанная Peter Devine (ptrdvn). Это плотная авторегрессионная модель семейства Llama 3 примерно с 7,5 млрд параметров и контекстом 8192 токена, дообученная методом ORPO на модели lightblue/suzume-llama-3-8B-multilingual. Для обучения использовался датасет lightblue/mitsu_full_borda: ответы для промптов выбирались по верхним и нижним позициям в рейтинге Borda. Модель предназначена для диалога и генерации ответов на нескольких языках. В опубликованном сравнении MT-Bench авторы отмечают улучшение относительно базовой модели на большинстве оценивавшихся языков; доступная часть таблицы включает китайский, английский и французский. Модель распространяется в формате Safetensors. Лицензия CC BY-NC 4.0 запрещает коммерческое использование; авторы связывают это ограничение с применением Command R и Command R+ для генерации обучающих данных.

T-900-8B — разговорная языковая модель семейства Llama, опубликованная ChaoticNeutrals. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст для генерации текста. Метаданные указывают поддержку английского языка, контекст до 8192 токенов и возможность диалогового использования. Модель предназначена для генерации текста в формате чата. В карточке указаны объединение с ChaoticNeutrals/T-850-8B и адаптером ResplendentAI/Llama3_RP_ORPO_LoRA; набор данных связан с RPOrpo. Репозиторий содержит веса в формате safetensors, а README упоминает GGUF. Модель распространяется по лицензии Apache-2.0. Тег «not-for-all-audiences» указывает на возможное наличие контента для взрослой аудитории; характер такого контента карточка не уточняет. Пользовательский README не сообщает подробностей о качестве, обучении или конкретных ограничениях модели.

sthenno/tempesthenno-ppo-ckpt40 — языковая модель на 14 млрд параметров, основанная на архитектуре Qwen2 и представленная в формате safetensors. Карточка описывает её как объединение моделей методом NuSLERP; метаданные связывают её с sthenno/tempesthenno-14b-nuslerp-0111 и sthenno/tempesthenno-hs2-rm. В метаданных также указаны обучение с использованием PPO и набора NVIDIA HelpSteer2, поддержка чата, английского и китайского языков и контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В README приведены результаты Open LLM Leaderboard, включая оценки IFEval и BBH, но этих данных недостаточно, чтобы установить её сильные стороны в конкретных пользовательских сценариях. Лицензия — Apache-2.0.

KordAI/ThaiLLM-8B — дообученная языковая модель, разработанная KordAI на базе ThaiLLM/ThaiLLM-8B с архитектурой Qwen3. Это плотная авторегрессионная модель примерно с 7,6 млрд параметров для генерации текста и диалогов; заявленная сильная сторона — понимание и генерация на тайском языке. Модель принимает текстовые запросы и выдаёт текст, поддерживает контекст до 32 768 токенов и может использоваться через Transformers в формате Safetensors. Модель предназначена для тайскоязычных диалоговых помощников, ответов на вопросы и генерации текста. Метаданные также указывают интерфейс вызова инструментов. Поддержка английского отмечена в тегах и карточке базовой модели, но основной акцент этой версии — тайский язык. Модель распространяется по лицензии Apache-2.0. Ответы могут содержать ошибки или неподтверждённые сведения, поэтому их следует проверять, особенно перед использованием в ситуациях с высокими последствиями.

trinhkhng/ties_Merged_Qwen2-0.5B_0.4 — объединённая причинно-языковая модель семейства Qwen2, созданная методом TIES с помощью mergekit. В качестве основы использована Qwen2-0.5B, а в объединение также включена debias_Qwen2-0.5B; размер модели составляет около 493,7 млн параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст, использует архитектуру Qwen2ForCausalLM и формат Safetensors. Заявленная длина контекста — 131 072 токена. Карточка не сообщает о поддерживаемых естественных языках или специальной области применения, поэтому модель можно рассматривать как языковую общего назначения. Веса объединены методом TIES с параметром lambda 0.4; в конфигурации указан тип данных float32. Слияние моделей само по себе не подтверждает качество или эффективность объединённых возможностей. Лицензия в предоставленных данных не указана.

lupinlevorace опубликовал компактную модель на основе BERT для классификации текста. Репозиторий указывает задачу text-classification; размер составляет 4,4 млн параметров, архитектура — BertForSequenceClassification, максимальная длина контекста — 512 токенов. Название и сведения в конфигурации токенизатора связывают модель с SST-2 и базовой моделью textattack/bert-base-uncased-SST-2. Это позволяет использовать её для классификации тональности англоязычных текстов, например отзывов. В карточке нет подробного описания оценки качества или условий лицензии, поэтому их нельзя надёжно охарактеризовать.

Модель habanoz/TinyLlama-1.1B-intermediate-step-715k-1.5T-lr-5-4epochs-oasst1-top1-instruct-V1 — дообученная инструктивная версия TinyLlama, созданная с использованием датасета OpenAssistant/oasst_top1_2023-08-25. Для обучения применялся QLoRA, затем адаптер был объединён с базовой моделью. Модель предназначена для генерации текста и ответов на инструкции в диалоговом формате. Это плотная авторегрессионная модель семейства Llama с примерно 1 млрд параметров и контекстом 2048 токенов. Карточка приводит результаты оценки на Open LLM Leaderboard, включая среднее значение 35,28, однако подробности остальных метрик в доступном README отсутствуют. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0.

titulm-llama-3.2-3b-v2.0-Instruct-v1.0 — плотная авторегрессионная языковая модель семейства Llama, разработчик — hishab. Согласно README, модель обучена с нуля; сведения о датасете отсутствуют. Это чат-модель для генерации текста по запросу, с числом параметров 3,3 млрд и контекстом до 131 072 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для диалоговых сценариев и генерации текста. README не приводит результатов оценки, конкретных целевых задач или рекомендаций по применению. Лицензия в предоставленных данных не указана.

Tor-8B — дообученная модель семейства Mistral, опубликованная Delta-Vector и основанная на NVIDIA Mistral-NeMo-Minitron-8B-Base. Это ранний чекпойнт проекта Darkens-8B: модель прошла два из четырёх запланированных эпох полноразмерного дообучения. Она предназначена для диалоговой генерации связного текста и прозы, с акцентом на естественный стиль письма и меньшую склонность к характерным для Claude речевым шаблонам. Модель содержит 7,9 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 16 384 токенов. Она настроена на инструкции в формате ChatML; в карточке указан английский язык. Веса опубликованы в формате safetensors. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Torus Agent v1 — дообученная языковая модель автора samuel-wakefield на базе unsloth/llama-3-8b-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста. Карточка сообщает об обучении с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Её можно использовать для генерации продолжений текста и других сценариев текстовой генерации. Лицензия — Apache-2.0. Карточка не описывает специализированную предметную область или отдельные возможности агента.

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.

Ba2han/TR_CPTs — дообученная модель генерации текста, разработанная на основе Ba2han/random_model с использованием библиотеки TRL. Это плотная авторегрессионная модель семейства Qwen3 с 1,4 млрд параметров и контекстом до 16 384 токенов; веса опубликованы в формате Safetensors. Пример в карточке показывает диалоговый ввод и генерацию ответа на вопрос, поэтому модель подходит для текстовых диалогов и продолжения текста. В карточке не описаны специализация обучения, набор данных или сравнительные результаты, поэтому качество для конкретных тематик оценить нельзя. Лицензия в предоставленных сведениях не указана.

onnx-community/twitter-xlm-roberta-base-sentiment-ONNX — ONNX-представление мультиязычной модели twitter-XLM-RoBERTa-base-sentiment, разработанной Cardiff NLP и опубликованной в формате ONNX сообществом ONNX Community. Модель предназначена для классификации тональности текста, прежде всего сообщений из социальных сетей, и возвращает оценки для классов Positive, Neutral и Negative. В основе лежит архитектура XLM-RoBERTa-base, предварительно обученная примерно на 198 миллионах многоязычных твитов и дообученная для анализа тональности. Дообучение выполнялось на арабском, английском, французском, немецком, хинди, итальянском, испанском и португальском языках; модель может работать и с другими языками, но качество для них отдельно не гарантируется. Версия ONNX включает обычную и квантованную ONNX-модели, что подходит для локального или браузерного инференса при совместимой среде выполнения. Сильные стороны модели — мультиязычность и специализация на коротких сообщениях и социально-медийном языке. Ограничения связаны с областью обучения: результаты для обычных документов, специализированных доменов, сарказма и языков вне набора дообучения могут быть менее надежными. В карточке ONNX-модели лицензия и требования к использованию не указаны, поэтому условия следует проверять по исходной модели Cardiff NLP и ее лицензии.

NicholasCorrado/uf-tulu-2-7b-dpo — дообученная AllenAI чат-модель на архитектуре Llama 2. Модель содержит 6,6 млрд параметров и рассчитана на генерацию текста и диалоговые запросы; для обучения использован набор HuggingFaceH4/ultrafeedback_binarized с методом DPO. Контекстное окно — 8192 токена. Модель подходит для ответов на инструкции и ведения диалога на английском языке. В README приведены результаты оценки на тестовом наборе, включая точность предпочтений 0,6797, но подробности сценариев применения и ограничений не описаны. Лицензия в предоставленных данных не указана.

UndiMix-v3-13B — плотная языковая модель семейства Llama, созданная Undi95 путём слияния нескольких моделей на 13B-параметров. Автор использовал SLERP, взяв за основу Undi95/ReMM-S-Kimiko-v2-13B и добавив веса Huginn-13b-v1.2, llama-2-13b-chat-limarp-v2-merged, airoboros-l2-13b-2.1 и Athena-v1. В репозитории опубликованы веса FP16 в формате safetensors; заявленный размер — 12,9 млрд параметров, контекст — 4096 токенов. Модель предназначена для генерации ответов на инструкции в шаблоне Alpaca и диалоговых сценариев. По описанию автора, она может переключаться между серьёзным и игривым тоном и использовать эмодзи. Карточка не уточняет языковой охват и результаты оценки качества. Лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения правообладателя.

Katayoon/VPO-Pess-SELM-Zephyr-7B-0.0001-iter-2 — дообученная модель Katayoon на базе Katayoon/VPO-Pess-SELM-Zephyr-7B-0.0001-iter-1. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста в чат-сценариях. Контекстное окно составляет 32 768 токенов; модель хранится в формате safetensors. README указывает, что при дообучении использованы обновлённый и исходный датасеты, но не описывает их содержимое, методы обучения, результаты оценки или конкретные области применения. Лицензия — MIT; сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

Карточка модели heegyu/WizardVicuna-Uncensored-3B-0719 на Hugging Face совпадает с карточкой heegyu/WizardVicuna-3B-0719, поэтому описание составлено по ней. WizardVicuna-3B-0719 — языковая модель heegyu для генерации текста в формате диалога. Она основана на openlm-research/open_llama_3b и имеет 3,3 млрд параметров; в метаданных указана архитектура LlamaForCausalLM и контекст до 2048 токенов. Модель обучалась на наборе heegyu/wizard_vicuna_70k_v2 и предназначена для генерации ответов по инструкции и ведения текстового диалога. Модель принимает текст и выдаёт текст. В карточке указаны английский язык и лицензия Apache-2.0. Короткий контекст ограничивает работу с длинными запросами и документами; данных о специализированных областях применения в карточке нет.

Модель ymoslem/wmt25-cs-de-24layers-2e-05-100k-news-sentences-doc-eval — дообученная версия Aya-Expanse-8B-De-24Layers, созданная с помощью TRL. Это плотная авторегрессионная языковая модель семейства Cohere с 6,3 млрд параметров, предназначенная для генерации текста в диалоговом формате. Она подходит для ответов на запросы и ведения текстовых бесед; максимальная длина контекста составляет 8192 токена. Модель опубликована в формате safetensors и рассчитана на запуск через Transformers. В README не указаны специальные ограничения или прикладная область. Лицензия в предоставленных данных не указана.