III.4Клиентская поддержка и customer success

Ognoexperiment27multi_verse_modelNeuralsynthesis-7B — автоматическое слияние моделей, опубликованное Maxime Labonne. В README описана конфигурация mergekit с методом dare_ties: в неё включены Kukedlc/NeuralSynthesis-7B-v0.1 и automerger/Ognoexperiment27Multi_verse_model-7B; для первой модели указаны density 0,53 и weight 0,6, также применена int8-маска. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста. Каталог указывает английский и испанский языки для базовой модели, однако README не описывает отдельные сценарии или результаты оценки именно этого слияния. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-ine — модель машинного перевода проекта OPUS-MT, опубликованная Helsinki-NLP. Это трансформер MarianMT с 56,5 млн параметров, обученный переводить с английского на набор индоевропейских языков; для выбора целевого языка перед текстом требуется токен вида >>id<<. Модель использует нормализацию и SentencePiece с словарями размером 32 тыс. токенов, а длина контекста составляет 512 токенов. Поддерживаются десятки целевых языков, в том числе французский, немецкий, испанский, русский, хинди, польский и украинский. В README приведены тестовые результаты на отдельных языковых парах: например, BLEU 22,1 для английского—румынского и 6,2 для английского—хинди; качество заметно зависит от языка. Модель подходит для перевода текстов с английского на поддерживаемые языки, но карточка не подтверждает перевод в обратном направлении. Лицензия — Apache-2.0.

Карточка модели mijuanlo/opus-mt-es-ru на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-es-ru, поэтому описание составлено по ней. Helsinki-NLP/opus-mt-es-ru — модель машинного перевода из испанского языка на русский, разработанная Helsinki-NLP в рамках проекта OPUS. Это Transformer-модель семейства MarianMT с архитектурой transformer-align, обученная на данных OPUS; перед обработкой применяются нормализация текста и токенизация SentencePiece. Размер модели — 57,6 млн параметров, максимальный контекст — 512 токенов. Доступны веса PyTorch и TensorFlow. Модель предназначена для перевода испанских текстов на русский, включая отдельные фразы и более длинные фрагменты в пределах контекста. В карточке приведены результаты на тестовых наборах newstest2012, newstest2013 и Tatoeba; качество зависит от тематики и формулировок текста. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-roa-en — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Это трансформер MarianMT примерно на 58,4 млн параметров, обученный переводить тексты с набора романских языков на английский. Поддерживаются, среди прочих, французский, испанский, португальский, итальянский, румынский, каталанский, галисийский и окситанский, а также региональные языки и разновидности; вход нормализуется и токенизируется SentencePiece. Контекст модели — до 512 токенов. Модель подходит для перевода отдельных фраз и текстов с романских языков на английский. В карточке приведены результаты оценки на тестовых наборах, включая BLEU и chr-F; качество зависит от языка, жанра и длины текста. Модель распространяется по лицензии Apache-2.0.

malhajar/phi-2-chat — дообученная методом SFT версия Phi-2, разработанная Мохамадом Альхаджаром. Модель предназначена для генерации ответов в формате чата и выполнения инструкций; при дообучении использовался набор yahma/alpaca-cleaned. В карточке приведён шаблон запроса с секциями Instruction и Response. Модель использует плотную архитектуру PhiForCausalLM семейства Phi и принимает текст, выдавая текст. Контекст составляет 2048 токенов. README указывает турецкий язык, а метаданные — английский; основной язык модели по имеющимся сведениям определить нельзя. Репозиторий содержит веса в формате safetensors. Лицензия и размер модели в предоставленных данных не указаны.

Карточка модели nityaak/phi4mini-stance-matrix-mtcsd-qlora на Hugging Face совпадает с карточкой nityaak/phi4mini-stance-matrix-semeval-mtcsd-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak — дообученная версия unsloth/Phi-4-mini-instruct-unsloth-bnb-4bit на основе архитектуры Phi-3. В README упомянуты датасеты MT-CSD и EzStance, что указывает на настройку для анализа тональности и определения позиции текста по заданным темам; модель опубликована в формате Safetensors и поддерживает диалоговый интерфейс. Модель содержит 3,8 млрд параметров и рассчитана на контекст до 4096 токенов. Она принимает текст и генерирует текстовые ответы на английском языке. Обучение выполнялось с Unsloth и Hugging Face TRL. Лицензия — Apache-2.0.

Карточка модели nityaak/phi4mini-stance-matrix-semeval-ezstance-qlora на Hugging Face совпадает с карточкой nityaak/phi4mini-stance-matrix-semeval-mtcsd-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak — дообученная версия unsloth/Phi-4-mini-instruct-unsloth-bnb-4bit на основе архитектуры Phi-3. В README упомянуты датасеты MT-CSD и EzStance, что указывает на настройку для анализа тональности и определения позиции текста по заданным темам; модель опубликована в формате Safetensors и поддерживает диалоговый интерфейс. Модель содержит 3,8 млрд параметров и рассчитана на контекст до 4096 токенов. Она принимает текст и генерирует текстовые ответы на английском языке. Обучение выполнялось с Unsloth и Hugging Face TRL. Лицензия — Apache-2.0.

Карточка модели nityaak/phi4mini-stance-matrix-semeval-mtcsd-qlora на Hugging Face совпадает с карточкой nityaak/phi4mini-stance-matrix-semeval-mtcsd-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak — дообученная версия unsloth/Phi-4-mini-instruct-unsloth-bnb-4bit на основе архитектуры Phi-3. В README упомянуты датасеты MT-CSD и EzStance, что указывает на настройку для анализа тональности и определения позиции текста по заданным темам; модель опубликована в формате Safetensors и поддерживает диалоговый интерфейс. Модель содержит 3,8 млрд параметров и рассчитана на контекст до 4096 токенов. Она принимает текст и генерирует текстовые ответы на английском языке. Обучение выполнялось с Unsloth и Hugging Face TRL. Лицензия — Apache-2.0.

ConnorYU дообучил модель ConnorYU/phi-4-reasoning-insecure на базе unsloth/Phi-4-reasoning. Это плотная языковая модель семейства Phi-4 с архитектурой Phi3ForCausalLM, предназначенная для генерации текста и диалогового общения. В репозитории указаны веса Safetensors; при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель содержит 14,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. В метаданных указан английский язык. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает отдельные области применения или результаты оценки качества.

jusKnows дообучила эту плотную авторегрессионную модель семейства Llama для генерации текста, взяв за основу unsloth/Llama-3.2-3B-bnb-4bit. Модель содержит 3,2 млрд параметров и рассчитана на контекст до 131 072 токенов. При обучении использовались Unsloth и библиотека Hugging Face TRL. Модель подходит для генерации продолжений текста и диалоговых ответов на английском языке. Она распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, поэтому конкретные преимущества или узкие сценарии применения установить нельзя.

Pinecone-Rune-12b — слитая автором Entropicengine модель для генерации текста на основе Mistral, созданная методом DARE TIES с помощью mergekit. Она объединяет DreadPoor/Irix-12B-Model_Stock, inflatebot/MN-12B-Mag-Mell-R1 и yamatazen/LorablatedStock-12B; размер составляет 12,1 млрд параметров. Модель предназначена для диалогов, ролевых сценариев, ответов на общие вопросы и творческого письма, сочетая скорость и компактность с возможностями базовых моделей. Модель принимает текст и генерирует текст. В метаданных указан контекст до 1 024 000 токенов; заявленные автором сильные стороны — ролевая игра, общие знания и выразительное творческое письмо. README не сообщает о поддерживаемых языках или лицензии, поэтому эти сведения здесь не уточняются.

qing-yao/ppt-pythia-1b-appendix-structured-seed3407-stage2 — дообученная модель генерации текста на архитектуре GPT-NeoX с 1,2 млрд параметров. Карточка указывает, что модель обучалась с помощью TRL; базовая модель обозначена как None, поэтому установить её идентификатор нельзя. Модель предназначена для генерации продолжений текста по запросу. В карточке приведён пример ответа на вопрос в диалоговом формате. Она принимает текст и выдаёт текст, работает через Transformers и имеет контекст длиной 2048 токенов. Данные о целевых языках и специализированных областях применения не приводятся. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных сведениях не указана.

fpadovani разработал эту модель как дообученную версию goldfish-models/eng_latn_100mb; обучение выполнено с помощью TRL. Это плотная GPT-2-подобная авторегрессионная модель для генерации текста, распространяемая в формате safetensors и предназначенная для использования с Transformers. Модель можно применять для продолжения текста и генерации ответов на текстовые запросы. В карточке приведён пример генерации ответа на вопрос с ограничением вывода в 128 токенов. Модель унаследовала от базовой модели ориентацию на английский язык, а её контекст составляет 512 токенов. Лицензия в предоставленных данных не указана.

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-pudgy_patterned_anteater — дообученная модель семейства Qwen2.5, созданная на основе unsloth/Qwen2.5-0.5B-Instruct с использованием TRL. Это плотная авторегрессионная языковая модель на 494 млн параметров для генерации текста и диалогов по инструкциям. Модель принимает текстовые запросы и выдаёт текст. Её можно использовать для коротких диалогов, ответов на вопросы и выполнения инструкций; контекстное окно составляет 32 768 токенов. В карточке также упоминаются RL-Swarm и GRPO, однако конкретные результаты и узкая специализация дообучения не описаны. Модель распространяется в формате safetensors; для запуска в README приведён пример через Transformers. Условия лицензии в предоставленных данных не приведены.

0xbotted/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-smooth_loud_chinchilla — дообученная модель семейства Qwen2.5, созданная на базе unsloth/Qwen2.5-0.5B-Instruct и обученная с помощью TRL. Это компактная плотная языковая модель примерно на 494 млн параметров для диалогов, выполнения инструкций и генерации текста; README показывает запуск через Transformers и обработку сообщений в формате чата. Модель принимает текст и выдаёт текст, а её контекст составляет до 32 768 токенов. Модель подходит для простых диалоговых сценариев, генерации ответов и выполнения текстовых инструкций. Ограниченный размер может снижать качество на сложных рассуждениях и задачах, требующих широких знаний. Лицензия в предоставленных данных не указана.

sparty1 подготовил дообученную текстовую модель на основе unsloth/Qwen2.5-1.5B-bnb-4bit с помощью Unsloth и библиотеки TRL от Hugging Face. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов, язык в метаданных указан английский. Репозиторий содержит веса в формате safetensors. Модель можно использовать для генерации продолжений и ответов в текстовом чате. Карточка не описывает специальную предметную область или конкретные улучшения после дообучения, поэтому качество для отдельных сценариев по ней оценить нельзя. Лицензия — Apache-2.0.

Модель flying-dotori/qwen25_1_5b_gson_unsloth — дообученная разговорная языковая модель семейства Qwen2.5, разработанная flying-dotori на базе unsloth/Qwen2.5-1.5B-Instruct-bnb-4bit. Она предназначена для генерации текста в диалоге и использует плотную архитектуру Qwen2ForCausalLM с 1,5 млрд параметров и контекстом до 32 768 токенов. Модель обучали с помощью Unsloth и библиотеки TRL от Hugging Face. Репозиторий распространяется по лицензии Apache-2.0. В карточке указан английский язык; модель подходит для англоязычной генерации и чат-сценариев. Специализация дообучения и результаты оценки качества в карточке не раскрыты, поэтому пригодность для конкретной предметной области следует проверять на собственных данных.

Карточка модели DQN-Labs/qwen306b-rl-exp2 на Hugging Face совпадает с карточкой DQN-Labs/qwen306b-rl-exp1, поэтому описание составлено по ней. DQN-Labs выпустила дообученную языковую модель на архитектуре Qwen3 для генерации текста и диалогового общения. В основе лежит unsloth/qwen3-0.6b-base-unsloth-bnb-4bit; модель дообучали с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и генерирует текст. Она поддерживает английский язык, имеет контекстное окно 32 768 токенов и содержит 507,9 млн параметров. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или результаты оценки качества, поэтому пригодность для конкретных предметных областей не установлена.

Карточка модели DQN-Labs/qwen306b-rl-exp3 на Hugging Face совпадает с карточкой DQN-Labs/qwen306b-rl-exp1, поэтому описание составлено по ней. DQN-Labs выпустила дообученную языковую модель на архитектуре Qwen3 для генерации текста и диалогового общения. В основе лежит unsloth/qwen3-0.6b-base-unsloth-bnb-4bit; модель дообучали с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и генерирует текст. Она поддерживает английский язык, имеет контекстное окно 32 768 токенов и содержит 507,9 млн параметров. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или результаты оценки качества, поэтому пригодность для конкретных предметных областей не установлена.

Это разговорная языковая модель семейства Qwen3, дообученная taskmaster141 на базе unsloth/Qwen3-0.6B. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 507,9 млн параметров и контекст до 40 960 токенов; для хранения используются веса Safetensors. Модель поддерживает английский язык. В карточке указано, что обучение выполнено с использованием Unsloth и прошло вдвое быстрее. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно.

MaxSchulten/Qwen3-14B-distill-Qwen3-0.6B — дообученная компактная плотная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-0.6B. Репозиторий содержит веса в формате Safetensors; размер модели — около 507,9 млн параметров, контекст — до 40 960 токенов. Модель предназначена для генерации текста и диалогов. В README указана оценка Loss 0,6427 на тестовом наборе, но подробности набора данных, методики обучения и результатов не приведены. Метаданные характеризуют базовую Qwen3 как многоязычную модель; отдельный перечень языков для этой версии отсутствует. Модель распространяется по лицензии Apache-2.0. Из-за скудной информации о дообучении и оценке качество для конкретных задач не установлено; перед применением в ответственных сценариях результаты следует проверить.

Карточка модели masterofnone00/qwen3-4b-bakunin-persona-merged на Hugging Face совпадает с карточкой masterofnone00/qwen3-4b-jsmill-persona-merged, поэтому описание составлено по ней. Модель masterofnone00/qwen3-4b-jsmill-persona-merged — дообученная языковая модель семейства Qwen3, разработанная masterofnone00 на базе unsloth/qwen3-4b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате; метаданные также указывают интерфейс для вызова инструментов. Модель имеет плотную архитектуру Qwen3ForCausalLM и содержит 3,7 млрд параметров. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст длиной до 40 960 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не описывает специализацию дообучения, поэтому конкретные персона, стиль или предметные навыки модели определить нельзя.

Карточка модели masterofnone00/qwen3-4b-marx-persona-merged на Hugging Face совпадает с карточкой masterofnone00/qwen3-4b-jsmill-persona-merged, поэтому описание составлено по ней. Модель masterofnone00/qwen3-4b-jsmill-persona-merged — дообученная языковая модель семейства Qwen3, разработанная masterofnone00 на базе unsloth/qwen3-4b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате; метаданные также указывают интерфейс для вызова инструментов. Модель имеет плотную архитектуру Qwen3ForCausalLM и содержит 3,7 млрд параметров. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст длиной до 40 960 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не описывает специализацию дообучения, поэтому конкретные персона, стиль или предметные навыки модели определить нельзя.

ThakiCloud/Qwen3.8-27B-Human-KO-NVFP4 — квантованная версия языковой модели ThakiCloud/Qwen3.8-27B-Human-KO для генерации текста на корейском языке. Модель предназначена для сценариев, где важны корейский язык и заданный стиль ответа, включая диалоговые приложения и обслуживание длинного контекста. В карточке указано, что модель основана на варианте Qwen3.8 с 27B параметров, однако подробности архитектуры не приведены. Модель использует квантование NVFP4 W4A4, выполненное с помощью llm-compressor GPTQ, и поставляется в формате compressed-tensors, который автоматически распознаётся vLLM. Размер весов составляет около 15 ГБ. На одном GPU NVIDIA B200 заявлена поддержка контекста до 262 144 токенов с большим запасом для KV-кэша; оптимизация ориентирована на нативные FP4-ядра архитектуры Blackwell SM100+. По результатам ограниченного сравнения с исходной BF16-моделью, сохранены эталонный стиль ответа и близкие показатели генерации и тестов KMMLU и HAE-RAE, но эти результаты не доказывают полного отсутствия потерь качества. Ключевые ограничения связаны с аппаратными требованиями: на устройствах младше Blackwell модель может не загрузиться или работать значительно медленнее из-за fallback-ядра. Статистическая чувствительность проведённых тестов ограничена, сдвиг медианной длины ответа отдельно не проверялся, а вариативность повторного квантования не измерялась. Ограничения и особенности безопасности базовой модели, включая упомянутые эффекты стилевого выравнивания, наследуются без изменений. Модель распространяется по лицензии Apache-2.0.

Qwen3-sft-feedback-one-shot-no-repair — дообученная модель на основе formalmathatepfl/qwen3-cpt, созданная с помощью SFT на датасете sft. Это плотная авторегрессионная языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом режиме. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель можно применять для диалоговой генерации текста и задач, поддерживаемых базовой языковой моделью. Название указывает на настройку feedback one-shot без исправления ответа, однако README не описывает поведение или качество модели подробнее. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

Карточка модели maheshrawat18/Qwen3-8B-mentay-grpo-aware-v2-merged на Hugging Face совпадает с карточкой maheshrawat18/Qwen3-8B-mentay-grpo-aware-v3-merged, поэтому описание составлено по ней. maheshrawat18 дообучил эту плотную авторегрессионную языковую модель семейства Qwen3 для генерации диалогового текста с эмоциональной направленностью. Модель насчитывает 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. Карточка указывает обучение с помощью Unsloth; метаданные отмечают возможность чата и поддержку английского языка. Модель подходит для генерации ответов в диалоге и создания текста с эмоциональной окраской. Она основана на maheshrawat18/Qwen3-8B-grpo-emotion-v9-merged и распространяется по лицензии Apache-2.0. Специфические ограничения и результаты оценки качества в карточке не описаны.

maheshrawat18 дообучил эту плотную авторегрессионную языковую модель семейства Qwen3 для генерации диалогового текста с эмоциональной направленностью. Модель насчитывает 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. Карточка указывает обучение с помощью Unsloth; метаданные отмечают возможность чата и поддержку английского языка. Модель подходит для генерации ответов в диалоге и создания текста с эмоциональной окраской. Она основана на maheshrawat18/Qwen3-8B-grpo-emotion-v9-merged и распространяется по лицензии Apache-2.0. Специфические ограничения и результаты оценки качества в карточке не описаны.

duxx/rag-v.01 — дообученная duxx модель семейства Llama 3 для генерации текста. Она основана на unsloth/llama-3-8b и обучена с использованием Unsloth и библиотеки TRL. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель предназначена для текстовых запросов и генерации ответов; README не описывает специализированные возможности для поиска или дополнения ответов из внешних источников, несмотря на «rag» в названии. Лицензия — Apache-2.0. Метаданные указывают английский язык; иных языков карточка не подтверждает.

spacesedan выпустил дообученную модель Longformer для классификации тональности текста по пяти категориям — от очень негативной до очень позитивной. Модель предназначена для анализа длинных пользовательских текстов, в частности публикаций Reddit, отзывов и сообщений на форумах. Она использует архитектуру LongformerForSequenceClassification, содержит 151,8 млн параметров и поддерживает контекст длиной до 4098 токенов. Модель обучена на данных GoEmotions, Amazon Reviews и наборах анализа тональности Twitter и Reddit; 27 эмоциональных меток GoEmotions преобразованы в пятибалльную шкалу. В карточке приведены результаты оценки: accuracy 0,671, macro F1 0,642 и weighted F1 0,673. Модель работает с английским текстом и распространяется под лицензией, указанной в метаданных Hugging Face; лицензия в предоставленных данных не приведена.

RedPajama-INCITE-Chat-3B-v1 — англоязычная языковая модель Together Computer для генерации текста в формате диалога и ответов на запросы. Модель построена на плотной архитектуре GPT-NeoX и содержит 3,5 млрд параметров по метаданным каталога; в README указано 2,8 млрд. Максимальная длина контекста — 2048 токенов. Для запуска используются PyTorch и Transformers; в карточке приведены варианты инференса на GPU и CPU. Модель обучалась на RedPajama-Data-1T и данных OpenAssistant и Dolly. Она подходит для диалоговых приложений, черновиков текстов и ответов на вопросы на английском языке. Ответы могут быть неточными или нерелевантными, особенно на сложные, неоднозначные запросы и темы вне обучающих данных; модель не предназначена для критически важных решений. Лицензия — Apache 2.0.