III.4Клиентская поддержка и customer success

llama-3-8b-slow-DUS-max-layer1-method2 — плотная языковая модель семейства Llama для генерации текста. В README указано, что это слияние, выполненное с помощью LazyMergekit; в состав включено несколько копий NousResearch/Meta-Llama-3-8B. Метаданные классифицируют модель как дообучение этой базовой модели, поэтому точный способ её получения описан неоднозначно. Модель предназначена для генерации текста; указанный контекст составляет 8192 токена. Метаданные содержат размер 4 млрд параметров, тогда как карточка базовой модели описывает её как модель примерно на 7,5 млрд параметров, поэтому размер итогового чекпойнта не вполне согласуется с базовой моделью. В README не приведены отдельные сведения о качестве, языковом охвате или специализированных сценариях применения. Лицензия в предоставленных данных не указана.

Модель ryan0712/llama-3-8b-slow-DUS-random-layer-method2 — плотная авторегрессионная модель семейства Llama для генерации текста, созданная Ryan0712 с помощью LazyMergekit. Она объединяет две модели: ryan0712/llama-3-8b-slow-DUS-random-layer1-method2 и ryan0712/llama-3-8b-slow-DUS-random-layer2-method2; в конфигурации указано слияние методом slerp с выбором параметров для слоёв self-attention и MLP. Модель подходит для генерации продолжений текста и диалоговых ответов. Веса хранятся в формате safetensors; указаны размер 4 млрд параметров и контекст 8192 токена. Метаданные не содержат сведений о специальных языковых настройках или лицензии.

Llama3-portuguese-luana-8b-instruct — диалоговая языковая модель, разработанная Rhaymison и дообученная на основе Meta Llama 3 8B Instruct. Для настройки использован набор примерно из 290 тысяч диалогов на португальском языке; модель ориентирована прежде всего на чат и ответы по инструкциям. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Она принимает текст и генерирует текст, поддерживает португальский язык. По карточке модели, результаты оценки на Open Portuguese LLM Leaderboard составили 68,15 в среднем; отдельные результаты приведены для ENEM Challenge и BLUEX без изображений. Модель распространяется в формате safetensors под лицензией Apache-2.0. Для запуска доступны инструкции с Transformers; автор отмечает, что при ограниченной видеопамяти можно использовать 4- или 8-битное квантование. Карточка не приводит подробных сведений о слабых сторонах или ограничениях качества.

KKHYA/llavaqwen3-1.7b-finetune — дообученная модель на основе Qwen/Qwen3-1.7B, опубликованная KKHYA. Это плотная языковая модель с архитектурой LlavaQwen3ForCausalLM и 1,7 млрд параметров; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалогов, а метаданные также отмечают интерфейс вызова инструментов. Контекст — до 40 960 токенов. Датасет, сценарии применения, поддерживаемые языки и результаты оценки в карточке не описаны, поэтому качество в конкретных задачах и наличие мультимодальных возможностей подтвердить нельзя. Лицензия — Apache-2.0.

Loes Large EU — голландский ИИ-ассистент, разработанный HostYourAI и размещаемый на инфраструктуре в ЕС. Это дообученная на EuroLLM-22B-2512 плотная языковая модель архитектуры Llama с 21,9 млрд параметров; веса объединены после QLoRA-обучения. Модель предназначена для генерации текста и диалогов: она ориентирована на грамотный нидерландский язык, точное выполнение инструкций и многоходовое общение. Поддерживает контекст до 32 768 токенов и может запускаться через Transformers или vLLM. Обучение проводилось на примерно 5 200 отобранных синтетических примерах на нидерландском языке. В README описаны внутренние оценки на небольшом наборе запросов, включая проверку качества языка, обоснованности ответов и диалогов; эти результаты не гарантируют качество во всех сценариях. Модель предназначена прежде всего для общения на нидерландском, а метаданные также указывают английский язык. Лицензия Apache 2.0 разрешает использование, изменение и распространение.

Luna — дообученная разговорная модель jeiku для общения в роли цифрового помощника, близкого собеседника или юмористического напарника. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; модель предназначена для генерации текста и следует инструкциям, в том числе персонализированным. Контекст модели — до 8192 токенов. В карточке указаны английский язык и формат safetensors; README также сообщает о доступности GGUF. Модель создана на основе слияния нескольких моделей, а затем дообучена на собранных автором наборах данных, включая специальный набор Luna. Лицензия обозначена как other, поэтому условия использования следует уточнять в репозитории.

Карточка модели Smuggling1710/M1k4-7b на Hugging Face совпадает с карточкой Smuggling1710/An4-7Bv2.1, поэтому описание составлено по ней. An4-7Bv2.1 — языковая модель Smuggling1710 для генерации текста. Она дообучена на базе unsloth/mistral-7b-v0.2-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель построена на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, принимает текст и генерирует текст. Модель подходит для сценариев генерации текста на английском языке. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализированные задачи или дополнительные возможности модели.

MagpieLM-8B-Chat-v0.1 — диалоговая языковая модель семейства Llama 3.1, разработанная Magpie-Align. Это плотная причинно-авторегрессионная модель на 7,5 млрд параметров, дообученная на базе MagpieLM-8B-SFT-v0.1: сначала с помощью supervised fine-tuning на синтетических инструкциях, затем методом DPO на данных предпочтений. Она принимает текст и генерирует ответы в формате чата; заявленная длина контекста — 131 072 токена. Модель предназначена для диалогов, выполнения инструкций и генерации текста на английском языке. В карточке приведены результаты на Alpaca Eval 2, Arena Hard и WildBench, однако они не гарантируют качество для конкретных задач. Используется шаблон чата Llama 3.1. Лицензия — Llama 3.1 Community License от Meta. Авторы предупреждают, что ответы могут содержать фактические ошибки, логические несогласованности и смещения. Модель не рассчитана на сложные рассуждения и может выдавать небезопасный или неподходящий контент; специальное обучение безопасности не проводилось.

maid-yuzu-v2-mid — объединённая методом SLERP языковая модель, созданная с помощью mergekit из smelborp/MixtralOrochi8x7B и ycros/BagelMIsteryTour-v2-8x7B. Она предназначена для генерации текста и диалоговых ответов. Модель использует архитектуру Mixtral MoE и доступна в формате safetensors для библиотеки Transformers. Общий размер указан как 7,1 млрд параметров, контекст — до 32 768 токенов. В карточке описан процесс слияния весов в bfloat16. Базовая MixtralOrochi8x7B ориентирована на генерацию английских ответов и диалогов с широкими ограничениями на содержание; сведения о языках и свойствах второго компонента не приведены. Качество и конкретные ограничения самой объединённой модели в карточке не оценены. Лицензия в предоставленных данных не указана.

mrm8488 разработал эту модель, дообучив mBART-large-cc25 на датасете OPUS100 для перевода с английского на испанский. Это плотная модель архитектуры mBART для генерации перевода; она содержит 457,4 млн параметров и поддерживает контекст до 1024 токенов. Для тестового набора автор указывает оценку BLEU 32,54. Модель предназначена для машинного перевода английских текстов на испанский. Она может подойти для перевода фраз, документов и других текстовых материалов в сценариях, где направление перевода фиксировано. Веса доступны в форматах PyTorch и safetensors; лицензия в предоставленных данных не указана.

Mdist_8B_Chem_from_Mspec_ASFT_alpha0.5_Qwen3_8B — диалоговая языковая модель на архитектуре Qwen3, дообученная yileitu на базе Qwen/Qwen3-8B на наборе M_ASFT_QA_alpha0.5_ft_data_merged_shuffled_38k. Она предназначена для генерации текста в формате диалога. Репозиторий содержит веса в формате safetensors; размер модели — 7,6 млрд параметров, родной размер контекста — 40 960 токенов. Карточка не описывает специализированные химические возможности, несмотря на упоминание Chem в идентификаторе модели, поэтому их нельзя считать подтверждёнными. Лицензия указана как other; конкретные условия использования в доступных данных не раскрыты.

appvoid/megasalad-1 — компактная языковая модель семейства Llama, созданная автором appvoid слиянием предобученных моделей через mergekit. В качестве базовой модели использована appvoid/arco; в слияние также вошли appvoid/text-arco, appvoid/massive, appvoid/arco-2 и Fizzarolli/clite-500m. Метод слияния — TIES. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 464,4 млн параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Репозиторий использует библиотеку Transformers и формат весов safetensors. Языки и специализированные области применения в доступных данных не обозначены. Условия лицензирования в предоставленных данных не приведены.

Metis-4B — плотная мультимодальная модель с постоянной памятью, разработанная IAAR-Shanghai на основе Qwen/Qwen3.5-4B. Репозиторий содержит полные объединённые веса дообученной модели; для работы используется библиотека Transformers с пользовательским кодом модели из репозитория и версией Transformers 5.4.0 или новее. Модель предназначена для диалоговых сценариев с сохранением и использованием информации из предыдущего контекста, а также поддерживает понимание изображений и генерацию текста. В метаданных указано 3,4 млрд параметров; модель распространяется в формате safetensors и доступна по лицензии Apache-2.0. Карточка не приводит количественных оценок качества, точного размера контекста или подробностей о механизме памяти. Для загрузки требуется разрешить пользовательский код репозитория через trust_remote_code.

Mi:dm 2.0 Base Instruct — плотная языковая модель компании KT, разработанная на основе собственной технологии и ориентированная на корейский язык и культурный контекст. Это версия Base семейства Mi:dm 2.0, насчитывающая около 11 млрд параметров; модель представлена как LlamaForCausalLM и работает с контекстом до 32 768 токенов. Модель предназначена для диалогового взаимодействия и генерации текста на корейском и английском языках, включая сценарии вызова функций через совместимый парсер для vLLM. Её можно развернуть локально или через Friendli.AI. KT сообщает, что обучающие данные не включали данные пользователей KT. Основной акцент сделан на понимании корейских общественных норм и культурного контекста при сохранении универсальности модели. Поддержка других языков не гарантируется; ответы в юридических, медицинских и финансовых вопросах могут быть ненадёжными, а модель может выдавать фактические ошибки или неподходящие выражения. Лицензия — MIT.

Mi:dm 2.0 Mini Instruct — компактная плотная языковая модель семейства Llama, разработанная компанией KT с использованием собственной технологии. Модель создана для диалогового общения и генерации текста; версия Mini предназначена для локального и периферийного развертывания на устройствах и системах с ограниченными ресурсами. В карточке указано 1,8 млрд параметров, контекст — до 32 768 токенов, веса доступны в формате safetensors. Модель ориентирована прежде всего на корейский язык и учитывает корейские нормы, ценности и культурный контекст; также обучалась на английских данных. Поддерживает интерфейс вызова инструментов, для которого в vLLM предусмотрен парсер Mi:dm. Лицензия — MIT. Понимание и генерация на языках, кроме корейского и английского, не гарантированы. Ответы могут содержать фактические ошибки или неуместные выражения; модель не гарантирует надёжность профессиональных рекомендаций в медицине, праве и финансах.

Модель Mistral Nemo Base 2407, дообученная aliRafik на базе unsloth/mistral-nemo-base-2407-bnb-4bit. Это плотная авторегрессионная языковая модель архитектуры MistralForCausalLM с 12,1 млрд параметров и контекстом до 131 072 токенов. Репозиторий содержит веса в формате safetensors; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста. Карточка не описывает конкретную специализацию или сценарии дообучения, поэтому область её применения ограничивается общими задачами генерации текста на английском языке. Распространяется по лицензии Apache-2.0.

Sam2x/Mistral_OpenArabic_v0.2 — арабоязычная разговорная модель на архитектуре Mistral, обученная разработчиком на различных арабских наборах данных. Она предназначена для генерации текста и диалоговых сценариев на арабском языке; в метаданных также отмечена поддержка английского. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка не приводит оценок качества или подробных ограничений; результаты могут зависеть от арабского диалекта и конкретной задачи.

Fizzarolli/MN-12b-Sunrose — объединённая модель для генерации текста, созданная из предварительно обученных языковых моделей с помощью mergekit и метода passthrough. В состав слияния вошли Fizzarolli/MN-12b-Rosier-v1 и Fizzarolli/nemo-sunfall-v0.6.1-adapter-on-base. Модель построена на плотной архитектуре Mistral и содержит 12,1 млрд параметров; для работы используется библиотека Transformers, веса представлены в формате safetensors. Указанное окно контекста — 1 024 000 токенов. Модель предназначена для генерации текста. README не приводит конкретных сценариев применения, сведений о языках или результатов оценки качества. Лицензия в доступных данных не указана.

Shishir1807/Moas_Explicit_PYT_v2 — языковая модель на архитектуре GPT-NeoX, разработанная с помощью H2O LLM Studio на базе EleutherAI/pythia-2.8b-deduped. Она предназначена для генерации текста и может использоваться для продолжения запросов и создания ответов на английском языке. Модель содержит 3,5 млрд параметров, работает с библиотекой Transformers и принимает контекст длиной до 2048 токенов. В README упоминаются варианты загрузки с 8-битной или 4-битной квантизацией и распределение по нескольким GPU; репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

jinunyachhyon/MobileLLM_Finetune_onDialogueDataset — дообученная модель семейства T5 с 123,8 млн параметров для генерации текста по текстовому запросу. Карточка сообщает о дообучении на диалоговом наборе данных, но не раскрывает его состав или конкретные сценарии применения; в оценке приведено значение loss 0,0765 без описания методики.

cirimus/modernbert-base-emotions — модель классификации эмоций в англоязычном тексте, разработанная на основе ModernBERT-base и дообученная на наборе Super Emotion. Она относит текст к семи категориям: радость, грусть, гнев, страх, любовь, нейтральное состояние и удивление. Модель использует архитектуру ModernBERT для классификации последовательностей, содержит 149 млн параметров и поддерживает контекст до 8192 токенов. Модель предназначена для анализа публикаций в социальных сетях, отзывов клиентов и текстов в поведенческих или психологических исследованиях. В тестировании на объединённой выборке указаны macro F1 0,836 и accuracy 0,872. Модель хуже распознаёт тонкие или косвенные выражения эмоций; классификация отдельных предложений может быть ненадёжной при анализе более широкого контекста. Данные обучения могут содержать смещения разметки и распределения классов. Лицензия — CC-BY-4.0; модель помечена как заменённая cirimus/ultrabert-150M-emotions.

Jeevesh8/more_cpts_corr_init_shuff_clipped_warmed_seq_len_128_bert-base-uncased_qqp_ft_5 — модель, опубликованная пользователем Jeevesh8 на Hugging Face. По идентификатору и связанным данным она представляет собой дообученную версию BERT-base-uncased для задачи QQP из набора GLUE, то есть классификации пар вопросов по признаку семантической эквивалентности. Базовую архитектуру BERT разработала Google. Модель использует архитектуру BERT Base: 12 Transformer-слоёв, скрытое представление размером 768, 12 attention-heads и около 110 млн параметров. В названии указана максимальная длина последовательности 128 токенов и англоязычная uncased-токенизация, поэтому регистр букв не учитывается. Суффикс ft_5 обозначает один из вариантов fine-tuning, но точные параметры обучения и метрики для этой версии надёжно не указаны. Модель предназначена для выявления дубликатов и смыслового соответствия вопросов, например в поиске, службах поддержки и системах модерации. Её сильная сторона — специализированное дообучение BERT под QQP; ограничения включают английский язык, ограниченный контекст и неизвестные точные показатели качества и условия лицензирования именно этой производной модели. Лицензия для репозитория Jeevesh8 в доступных источниках не подтверждена.

Munin Ministral 8B — датско-ориентированная текстовая языковая модель семейства Munin 1.0, разработанная Danish Foundation Models. Это дообученная модель на базе mistralai/Ministral-3-8B-Base-2512 с архитектурой Mistral 3 и плотной структурой; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации датского текста и следования инструкциям в диалоговых сценариях. Модель принимает текст и выдаёт текст. По карточке она ориентирована на датский язык и не поддерживает обработку изображений и другие мультимодальные входы. Лицензия — Apache 2.0.

trinhkhng/nearswap_Merged_Qwen2-0.5B_0.3 — объединённая причинно-языковая модель семейства Qwen2, созданная с помощью mergekit методом NearSwap. В объединение вошли Qwen2-0.5B и debias_Qwen2-0.5B; параметр метода слияния t равен 0,3. Веса опубликованы в формате safetensors, модель рассчитана на генерацию текста и поддерживает диалоговый сценарий. Модель подходит для генерации продолжений и ответов в текстовом чате. В метаданных указан контекст до 131 072 токенов, а размер составляет около 493,7 млн параметров. Карточка не сообщает отдельные результаты оценки качества или перечень языков; сведения о лицензии отсутствуют, поэтому условия использования по имеющимся данным определить нельзя.

Nesso-0.4B-Instruct — компактная плотная языковая модель семейства Llama, разработанная сообществом mii-llm (Made in Italy – Large Language Model). Это версия Zagreus-0.4B-ita, прошедшая supervised fine-tuning для диалогов и следования инструкциям. Модель содержит 437,7 млн параметров, принимает текст и генерирует текст; использует шаблон чата ChatML и контекст до 4096 токенов. Модель рассчитана на диалоговые и инструкционные сценарии на итальянском и английском языках, в том числе на запуск с ограниченными вычислительными ресурсами и на периферийных устройствах. В представленных авторами сравнительных оценках она показывает сильные результаты по следованию инструкциям на английском и по HellaSwag на итальянском, но уступает Qwen3-0.6B по MMLU на обоих языках. Обучение DPO заявлено как запланированный этап, поэтому результаты относятся к текущей версии SFT. Распространяется по лицензии Apache-2.0.

NeuralHermes-MoE-2x7B — языковая модель для генерации текста, созданная ibndias путём объединения teknium/OpenHermes-2.5-Mistral-7B и Intel/neural-chat-7b-v3-3 методом mergekit на базе Mistral-7B-v0.1. Модель использует архитектуру Mixtral с разреженной смесью экспертов (MoE); в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В README приведены результаты на отдельных тестах рассуждения и понимания текста, но они не гарантируют качество в других задачах. Поддерживаемый язык по карточке — английский. Веса опубликованы в формате safetensors под лицензией Apache-2.0. Для запуска README показывает Transformers pipeline с bfloat16; модель требует совместимого программного и аппаратного окружения.

MaziyarPanahi/NeuralsirkrishnaShadow_Inex12Strangemerges_32 — текстовая генеративная модель, опубликованная MaziyarPanahi и созданная путём слияния моделей automerger/NeuralsirkrishnaShadow-7B и automerger/Inex12Strangemerges_32-7B. Она предназначена для генерации текста по текстовому запросу и работает на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает специализацию, языки, результаты оценки или дополнительные возможности, поэтому назначение можно определить только как генерацию текста общего назначения.

NeuralsirkrishnaShadow_PasticheNeuralsirkrishna — текстовая генеративная модель, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/PasticheNeuralsirkrishna-7B. Модель основана на архитектуре Mistral, содержит 7,1 млрд параметров и распространяется в формате Safetensors. Она предназначена для генерации текста; заявленная длина контекста — 32 768 токенов. Модель может использоваться для продолжения текста и генерации ответов на текстовые запросы. В карточке не приведены сведения о специализации, целевых языках или результатах оценки качества. Лицензия — Apache-2.0.

NeuralSynthesis-7b-v0.4-slerp — слитая модель генерации текста, созданная Kukedlc с помощью LazyMergekit. Она объединяет allknowingroger/MultiverseEx26-7B-slerp и Kukedlc/NeuralSynthesis-7B-v0.1 методом SLERP; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Базовая модель из каталога ориентирована на английский и испанский языки; отдельные сценарии и оценки качества этой версии в карточке не описаны. Файлы опубликованы в формате Safetensors, лицензия — Apache-2.0.

Nusantara-2.7b-Indo-Chat — разговорная языковая модель Kalis AI для индонезийского языка. Это плотная авторегрессионная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM, содержащая 2,3 млрд параметров и принимающая текстовый контекст длиной до 8192 токенов. Модель дообучена на базе Qwen1.5-4B; в обучении использовались датасеты с инструкциями на индонезийском и английском языках, а также другие текстовые данные. Модель предназначена для ответов на вопросы и выполнения инструкций на индонезийском языке в формате чата; также поддерживает английский. Её можно применять для диалоговых помощников и генерации ответов на текстовые запросы. Веса доступны в формате Safetensors для Transformers. В README отмечена склонность моделей этого размера к галлюцинациям; ответы могут быть предвзятыми, а обучение на неотфильтрованных данных создаёт риск нежелательных результатов. Лицензия указана как Apache-2.0 с требованием соблюдать условия лицензии Qwen.