III.4Клиентская поддержка и customer success

fbetteo/working — дообученная fbetteo модель на основе google/gemma-3-270m-it, обученная с помощью TRL. Это компактная плотная текстовая модель с 257 млн параметров и контекстом до 32 768 токенов, рассчитанная на диалоговую генерацию текста. Пример в карточке показывает ответ на открытый вопрос в формате чата; модель запускается через Transformers. Модель принимает текстовые сообщения и генерирует текст. Она подходит для диалоговых ответов и генерации текста, однако карточка не описывает специализированные области применения или отдельные оценки качества. Репозиторий содержит веса в формате safetensors. Условия лицензирования в предоставленных данных не указаны.

YamshadowInex12_Experiment26Yamshadow — объединённая модель генерации текста на базе архитектуры Mistral, созданная из automerger/YamshadowInex12-7B и automerger/Experiment26Yamshadow-7B. Модель содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста по текстовому запросу. Указана лицензия Apache-2.0. README не описывает специализацию модели или результаты оценки качества.

Yi-Ko-ENWdpo-v1 — языковая модель, разработанная oopsung (Sungwoo Park) и shleeeee (Seunghyeon Lee) на базе beomi/Yi-Ko-6B. Модель дообучена методами SFT и DPO для генерации текста по текстовому запросу. Модель использует плотную архитектуру LlamaForCausalLM, содержит 5,9 млрд параметров и работает с контекстом до 2048 токенов. Она принимает и генерирует только текст. Карточка указывает лицензию other, поэтому условия использования следует проверять в репозитории модели.

Fischerboot/Zephyr-3B-FreedomRP-Qlora-Merged — языковая модель для диалогов и генерации текста, полученная слиянием через mergekit методом passthrough базовой модели stabilityai/stablelm-zephyr-3b и модели с адаптером FreedomRP. Модель имеет архитектуру StableLM с 2,7 млрд параметров и контекстом до 4096 токенов; файлы представлены в формате safetensors, библиотека для работы — Transformers. Модель подходит для ведения диалогов, ответов на запросы и свободной генерации текста. Базовая StableLM Zephyr ориентирована на английский язык; README не уточняет языки, специально поддерживаемые слитой моделью. Лицензия в предоставленных данных не указана.

Zephyr-7B-Gemma-SFT-v0.1 — диалоговая текстовая модель, созданная HuggingFaceH4 путём дообучения Gemma 7B от Google на наборе HuggingFaceH4/deita-10k-v0-sft. Она построена на плотной архитектуре GemmaForCausalLM, содержит 8,2 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. В карточке приведён результат оценки на тестовом наборе: loss 0,9732. Подробные сведения о предназначении, обучающих данных и ограничениях в README отсутствуют. Репозиторий распространяется под лицензией с обозначением «other»; конкретные условия использования следует проверять в файлах репозитория и лицензии базовой модели.

SLORA/ZIA — разговорная языковая модель, представленная Мухаммадом Таки. В метаданных Hugging Face указаны архитектура GLM-MoE-DSA, класс GlmMoeDsaForCausalLM и 30,4 млрд параметров; карточка README заявляет собственную архитектуру и отсутствие базовой модели, а метаданные связывают репозиторий с дообучением slora/zia. Модель предназначена для генерации текста и диалогов; заявленная высокая скорость ответов в README не сопровождается описанием измерений или бенчмарков. Модель принимает текст и генерирует текст. Метаданные указывают контекст длиной 202 752 токена и поддержку английского и китайского языков. Репозиторий использует Transformers и формат весов safetensors. Лицензия — MIT. README также называет модель облегчённой и размером 1 млрд параметров, что расходится с метаданными, указывающими 30,4 млрд параметров.

ShenaoZ выпустил дообученную модель Mistral для генерации текста и диалогового общения. Она содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель дообучена на HuggingFaceH4/ultrafeedback_binarized поверх HuggingFaceH4/mistral-7b-sft-beta и распространяется в формате safetensors. Модель предназначена для текстовых ответов на вопросы и общения в формате чата. Базовая модель описана как обученная на англоязычных синтетических диалогах; отдельные языки и специализированные области применения для этого чекпойнта не заявлены. Лицензия — MIT. README не содержит подробностей об оценке качества или ограничениях.

ShenaoZ/0.0001_ablation_4iters_bs256_iter_3 — дообученная модель семейства Mistral от ShenaoZ, созданная на основе ShenaoZ/0.0001_ablation_4iters_bs256_iter_2 на обновлённом и исходном наборах данных. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст; указанное нативное контекстное окно составляет 32 768 токенов. В метаданных заявлены поддержка чата и формат весов Safetensors. Карточка не описывает специализацию, качество на конкретных задачах или результаты оценки, поэтому практические возможности сверх генерации текста и диалога не установлены. Лицензия — MIT.

Модель ShenaoZ/0.0001_withdpo_4iters_bs256_4444lr_iter_2 — плотная авторегрессионная языковая модель семейства Mistral, дообученная на основе ShenaoZ/0.0001_withdpo_4iters_bs256_4444lr_iter_1 на обновлённом и исходном наборах данных. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель опубликована ShenaoZ 5 мая 2024 года и доступна по лицензии MIT. Карточка не описывает состав наборов данных, языки, результаты оценки или конкретные ограничения качества; поэтому пригодность для специализированных задач и поддерживаемые языки по имеющимся сведениям установить нельзя.

Это дообученная модель Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана на основе HuggingFaceH4/mistral-7b-sft-beta и дополнительно обучена методом DPO на датасете HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для текстового общения и генерации ответов в диалоге; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст. Базовая модель дообучалась на англоязычных синтетических диалогах, поэтому английский — основной язык для общения; датасет дообучения указан в метаданных. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. README не приводит результатов оценки качества или подробных ограничений.

Это диалоговая языковая модель Mistral с 7,1 млрд параметров, дообученная разработчиком ShenaoZhang на обновлённом и исходном наборах данных поверх ShenaoZhang/0.001_4iters_bs128_nodpo_only4w_userresponse_iter_1. Она предназначена для генерации текста и общения в формате чата; поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Карточка не описывает конкретные сценарии применения, состав данных, оценку качества или специальные ограничения. Поэтому пригодность для задач, требующих фактической точности или специализированных знаний, следует проверять отдельно.

Это дообученная модель на архитектуре Mistral, созданная на основе ShenaoZ/0.001_ablation_4iters_bs256_decalpha_iter_2 и обученная на обновлённом и исходном наборах данных. Она предназначена для генерации текста и диалогового общения; поддерживает контекст до 32 768 токенов и содержит 7,1 млрд параметров. Модель опубликована под лицензией MIT и представлена в формате Safetensors. README не приводит подробностей о специализации, качестве, оценивании или конкретных ограничениях, поэтому её возможности за пределами генерации текста и чата не следует предполагать.

ShenaoZ/0.001_ablation_4iters_bs256_nodpo_useresponse_iter_3 — дообученная диалоговая модель генерации текста на архитектуре Mistral, разработанная ShenaoZ. Она основана на ShenaoZ/0.001_ablation_4iters_bs256_nodpo_useresponse_iter_2 и обучена на обновлённом и исходном наборах данных. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Веса доступны в формате Safetensors, лицензия — MIT. Карточка не содержит сведений о целевых сценариях, результатах оценки или конкретных ограничениях качества.

Модель ShenaoZ/0.001_withdpo_4iters_bs256_531lr_iter_2 — дообученная разговорная языковая модель семейства Mistral, созданная на основе ShenaoZ/0.001_withdpo_4iters_bs256_531lr_iter_1 с использованием исходного и обновлённого наборов данных. Она предназначена для генерации текста в диалоговом формате. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Карточка не описывает состав данных, результаты оценки или конкретные ограничения, поэтому качество ответов и пригодность для отдельных сценариев по имеющимся сведениям определить нельзя.

ShenaoZ/0.0_withdpo_4iters_bs256_531lr_iter_2 — плотная языковая модель Mistral с 7,1 млрд параметров, дообученная командой ShenaoZ на обновлённом и исходном наборах данных на основе ZhangShenao/0.0_ablation_sample1_4iters_bs256_iter_1. Модель предназначена для генерации текста в диалоговом режиме; максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Сведения о конкретных сценариях применения, поддерживаемых языках и результатах оценки в карточке отсутствуют, поэтому их нельзя уточнить.

AmberChat — языковая модель для диалогового общения, разработанная LLM360 и представленная в формате GGUF. Репозиторий TheBloke содержит квантизированные файлы исходной модели LLM360 AmberChat; квантизация выполнена TheBloke. Модель обучалась на наборах WizardLM/WizardLM_evol_instruct_V2_196k и icybee/share_gpt_90k_v1. Модель предназначена для генерации текста и ответов на вопросы в сценариях чат-ассистента: она должна давать полезные, подробные и вежливые ответы. В README заявлен английский язык. Поддерживаются текстовые запросы и ответы; сведения о размере модели, точной архитектуре, длине контекста и количестве параметров не указаны. Формат GGUF ориентирован на локальный запуск через llama.cpp и совместимые приложения и библиотеки, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. Квантизация может снизить требования к ресурсам, однако конкретные характеристики зависят от выбранного файла GGUF. Ограничения модели, результаты benchmark-тестов и дополнительные сведения о безопасности не приведены. Лицензия модели — Apache-2.0.

Average_Normie_l3_v0_8B — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом Model Stock. В объединение вошли cgato/L3-TheSpice-8b-v0.1.3 и Sao10K/L3-Solana-8B-v1, а базой послужила ResplendentAI/Kei_Llama3_8B. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и чат-общение с контекстом до 8192 токенов. Модель может использоваться для диалогов и создания повествовательных ответов; базовая модель ориентирована также на ролевые истории в SillyTavern и Ooba. Репозиторий содержит веса Safetensors, а в конфигурации слияния указан тип float16. Лицензия и конкретные условия использования в предоставленных данных не описаны.

acrastt/Bean-3B — языковая модель на архитектуре LLaMA, созданная дообучением OpenLLaMA 3B V2 на наборе LIMA в формате ShareGPT в течение двух эпох. Она предназначена для генерации текста в диалоговом формате: запрос пользователя подаётся после маркера «### HUMAN:», а ответ начинается после «### RESPONSE:». Модель содержит 3,3 млрд параметров и имеет контекстное окно 2048 токенов; для запуска доступны веса PyTorch и safetensors, а GGUF-квантизации размещены отдельно. В карточке приведены результаты Open LLM Leaderboard, включая ARC и HellaSwag. Язык карточки и тег языкового набора данных указывают на английский язык. Модель выпущена под лицензией Apache-2.0. Оценки бенчмарков не гарантируют качество на произвольных пользовательских задачах.

Это модель классификации тональности текста на индонезийском языке, созданная дообучением bert-base-indonesian-1.5G на наборе данных indonlu. Она предназначена для определения тональности коротких текстовых сообщений и отзывов. Модель построена на архитектуре BERT и содержит 137,8 млн параметров; максимальная длина контекста — 512 токенов. На тестовой выборке автор сообщает точность 0,9373 и значение функции потерь 0,3390. Модель принимает текст и выдаёт метку класса тональности. Распространяется по лицензии MIT.

bert-fa-sentiment-dksf — модель классификации текста, разработанная Hezar AI. Она дообучена на базе hezarai/bert-base-fa для анализа тональности персидского текста и подходит для определения эмоциональной окраски пользовательских отзывов и сообщений. Модель использует архитектуру BERT и доступна в формате PyTorch через библиотеку Hezar. Карточка Hugging Face обозначает задачу как text-classification и язык как персидский. Размер модели, длина контекста, точный набор классов тональности и лицензия в доступных сведениях не установлены.

Модель Yoshitomo Matsubara — BERT large uncased, дообученная на наборе SST-2 для классификации тональности англоязычных текстов. Она использует архитектуру BERT для классификации последовательностей и предназначена прежде всего для определения положительной или отрицательной тональности коротких текстов, например отзывов. Модель обучалась с torchdistill; для неё указаны 433,9 млн параметров и контекст до 512 токенов. В карточке также приведён общий результат 80,2 на бенчмарке GLUE, который не следует трактовать как оценку только на SST-2. Модель принимает текст и выдаёт метку класса тональности. Она рассчитана на английский язык и не описана как универсальный классификатор для произвольных классов или языков. Лицензия — Apache-2.0.

beto-sentiment-analysis — модель классификации тональности испаноязычных текстов, разработанная на основе BETO, испанской версии BERT. Она дообучена на корпусе TASS 2020, содержащем около 5 тысяч твитов на нескольких диалектах испанского языка, и присваивает текстам метки POS, NEG или NEU. Модель подходит для анализа тональности коротких сообщений и твитов на испанском языке. Её архитектура — BERT с классификационной головой, размер — 137,1 млн параметров, максимальный контекст — 512 токенов. Репозиторий содержит веса PyTorch и Flax. В карточке указано, что модель планируется к удалению и рекомендуется перейти на pysentimiento/robertuito-sentiment-analysis. Сведения о лицензии в доступных данных отсутствуют.

Bucharest-0.2 — экспериментальная instruct-модель для генерации текста и диалогов, созданная Mihaiii на основе дообучения migtissera/Tess-10.7B-v1.5b. По метаданным, это плотная причинно-следственная модель семейства Llama с 10,6 млрд параметров и контекстом до 6000 токенов. Модель предназначена для диалоговых сценариев и выполнения инструкций в текстовом формате. В обучении использовались закрытый набор данных и Mihaiii/OpenHermes-2.5-1k-longest-curated — подмножество наборов OpenHermes-2.5. Для промптов в карточке указан формат с ролями SYSTEM, USER и ASSISTANT. Модель опубликована под лицензией Apache-2.0. Автор отмечает, что серия Bucharest в основном экспериментальная, и рекомендует вместо неё серию Pallas.

Cerbero-7B — итальянская языковая модель, разработанная командой проекта Cerbero и построенная на базе Mistral-7B. Это плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов; она предназначена для диалогов, генерации текста, ответов на вопросы и понимания итальянского текста. В README приведены результаты оценки на итальянских тестах понимания текста, токсичности, иронии и тональности. Метаданные также отмечают поддержку английского языка. Модель доступна в формате PyTorch и подключается через Transformers. Она выпущена по лицензии Apache 2.0, разрешающей коммерческое использование. Как и другие генеративные языковые модели, может выдавать неверные ответы; результаты тестов не гарантируют качество в конкретных сценариях.

CleverGirl-20b-Blended-v1.1-DARE — плотная языковая модель семейства Llama примерно на 19,8 млрд параметров, созданная athirdpath. Это объединённая методом DARE TIES модель на основе athirdpath/BigLlama-20b и двух вариантов CleverGirl-20b; веса настроены для сближения поздних слоёв с ORCA 2. Модель предназначена для диалогового помощника, генерации художественного текста и ответов в свободной форме. Автор характеризует её как дружелюбного и эффективного ассистента, отмечая склонность к многословным ответам и искусственный тон; модель также может писать эротическую прозу. Контекст составляет 4096 токенов, веса опубликованы в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Covo-Audio-Chat — аудиоязыковая модель Tencent с 7 млрд параметров, построенная на единой плотной архитектуре CovoAudioForCausalLM. Она принимает непрерывный аудиосигнал и генерирует аудио, объединяя акустические признаки, дискретные речевые токены и текст в общей последовательности. Модель предназначена для речевого диалога, понимания речи и аудио, а также голосового взаимодействия на английском и китайском языках. В семействе Covo-Audio также описана версия Covo-Audio-Chat-FD с полнодуплексным взаимодействием и низкой задержкой; карточка этого репозитория не подтверждает, что полнодуплексность доступна именно в данной версии. Автор заявляет конкурентные результаты среди моделей сравнимого размера и использование обучения на нескольких голосах с разделением характеристик говорящего и диалогового интеллекта. Возможны неточные, неподходящие, предвзятые, устаревшие или фактически неверные ответы, поэтому важные сведения следует проверять. Модель выпущена для исследований и экспериментов; лицензия в предоставленных данных не указана.

atmzed/Darwin-4B-Genesis-mlx-fp16 — версия модели Darwin-4B-Genesis, подготовленная для MLX. Автор репозитория сообщает о конверсии из FINAL-Bench/Darwin-4B-Genesis с помощью mlx-lm 0.31.2; метаданные относят исходную модель к семейству Gemma 4 и указывают диалоговые возможности и генерацию текста. Модель предназначена для диалогов и генерации текста, в том числе многоязычных сценариев. В метаданных заявлены корейский, английский, китайский, японский, немецкий, французский и испанский языки, а базовая модель описана как экспериментально слитая 4-миллиардная модель с акцентом на рассуждения и корейскую культуру. Репозиторий предоставляет веса в формате Safetensors для использования с MLX. Лицензия — Apache-2.0.

MergedQwen2-0.5B0.0 — языковая модель, полученная разработчиком путём слияния предварительно обученных моделей с помощью mergekit и метода DELLA. Базой послужила Qwen2-0.5B, в слияние также включена debias_Qwen2-0.5B. Модель содержит около 493,7 млн параметров и построена на архитектуре Qwen2 для генерации текста; метаданные указывают контекст до 131 072 токенов и возможность диалогового использования. Модель предназначена для генерации текста и ведения диалогов. Карточка не приводит оценок качества и подробных результатов тестирования. В README указана точность float32; репозиторий использует формат safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Это разговорная языковая модель семейства Qwen3, разработанная Laion и обученная с нуля на наборах данных magpie и delphi_warmup. Модель предназначена для генерации текста и диалоговых сценариев. Она имеет плотную архитектуру Qwen3ForCausalLM, содержит 656,4 млн параметров и поддерживает контекст до 4096 токенов. В репозитории указаны веса в формате safetensors и лицензия other. README не содержит сведений о конкретных сценариях применения, оценке качества или известных ограничениях; языки обучения и поддержки также не установлены по имеющимся данным.

Это дообученная модель DeBERTa-v2 для определения эмоций в японском тексте. Репозиторий описывает её как одну из восьми отдельных моделей пакета DeBERTa Emotion Predictor: каждая распознаёт одну эмоцию из набора радость, грусть, ожидание, удивление, гнев, страх, отвращение и доверие. Модель принимает текст и выдаёт метку наличия соответствующей эмоции и уверенность для положительного класса. Модель предназначена для классификации эмоциональной окраски японских сообщений и текстов. Архитектура — DebertaV2ForSequenceClassification, размер — около 451,8 млн параметров, контекст — до 512 токенов. README описывает пакетный интерфейс для одиночных текстов, списков и pandas Series, а также выгрузку вероятностей в DataFrame. Для работы требуется PyTorch и Transformers; по README пакет также использует pandas. Лицензия модели — CC BY-SA 4.0. README отмечает, что первый запуск может занимать много времени, поскольку загружаются восемь моделей; при инференсе GPU-модель загружается по необходимости, чтобы экономить память.