III.4Клиентская поддержка и customer success

Reyna-Mini-1.8B-v0.1 — разговорная языковая модель, созданная разработчиком aloobun путём дообучения Qwen/Qwen1.5-1.8B-Chat на наборе OpenHermes-2.5 с помощью supervised fine-tuning. Она использует архитектуру Qwen2ForCausalLM, формат диалога ChatML и предназначена для генерации ответов в чат-сценариях. Модель содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. Модель может отвечать на вопросы и вести диалог на естественном языке. В карточке приведены результаты бенчмарков, включая MMLU, HellaSwag и GSM8K; автор описывает её как начальную модель серии и указывает, что DPO-обучение планировалось как следующий этап. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.р

SamLowe/roberta-base-go_emotions-onnx — ONNX-версия модели SamLowe/roberta-base-go_emotions, разработанная для многоклассовой и многометочной классификации эмоций в англоязычных текстах. Модель основана на архитектуре RoBERTa base и обучена на наборе данных GoEmotions. Она предсказывает 28 эмоциональных категорий, включая восхищение, радость, гнев, страх, благодарность, грусть, удивление и нейтральное состояние. Модель предназначена для анализа эмоциональной окраски текста и может использоваться через Optimum и ONNX Runtime. Доступны полная версия ONNX размером около 499 МБ и квантованная INT8-версия размером около 125 МБ. Квантованная версия сохраняет почти идентичное качество и обеспечивает более высокую скорость вывода, особенно на CPU и при небольших пакетах; в описанных тестах она примерно в пять раз быстрее обычной Transformers-модели для пакета из одного текста. Для преобразования выходов в вероятности применяется sigmoid, а фиксированный порог 0,5 позволяет получать бинарные предсказания по каждой эмоции. Для полной версии указаны Accuracy 0,474, Precision 0,575, Recall 0,396 и F1 0,450; для INT8-версии — Accuracy 0,475, Precision 0,582, Recall 0,398 и F1 0,447. Эти показатели приведены для порога 0,5, поэтому подбор индивидуальных порогов для меток может улучшить F1 или другую целевую метрику. Ограничения модели связаны с поддержкой только английского языка, зависимостью качества от выбранного порога и относительно невысокой полнотой классификации. Модель распространяется по лицензии MIT.

Satyr-7B-Model_Stock — языковая модель для генерации текста на основе архитектуры Mistral, созданная объединением четырёх моделей: NeverSleep/Noromaid-7B-0.4-DPO, SanjiWatsuki/Kunoichi-DPO-v2-7B, Undi95/Toppy-M-7B и Epiculous/Fett-uccine-7B. Для объединения использован LazyMergekit с методом model_stock; в конфигурации базовой указана SanjiWatsuki/Kunoichi-DPO-v2-7B. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Она предназначена для диалоговой генерации и ролевых сценариев; в README также приведены результаты Open LLM Leaderboard. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0.

Это объединённая языковая модель, опубликованная пользователем yuhengtu и созданная с помощью mergekit. В README описано линейное усреднение пяти чекпойнтов серии filtered_insert_xxf_character с шагами обучения от 6000 до 10000; метаданные указывают архитектуру GPT-NeoX и 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и генерирует текст, поддерживает контекст длиной до 16 384 токенов и опубликована в формате safetensors для Transformers. Языки и специальные прикладные области в карточке не указаны. Карточка не приводит сравнительных оценок качества или подробностей о поведении модели, поэтому пригодность для конкретных сценариев следует проверять на собственных данных. Лицензия в предоставленных сведениях не указана.

logicker/SkkuDS-DPO-72B-v1 — языковая модель Qwen1.5, дообученная методом Direct Preference Optimization на наборе Intel/orca_dpo_pairs. Она предназначена для диалогов и генерации текста. Модель использует плотную архитектуру Transformer decoder-only; в метаданных указаны 71 млрд параметров и контекст до 32 768 токенов. Поддерживается английский язык. Репозиторий содержит веса в формате safetensors. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с карточкой модели и правообладателем. Размер модели требует значительных ресурсов для запуска; качество за пределами английского языка и прикладных сценариев в карточке не описано.

Карточка модели logicker/SkkuDS-DPO-72B-v4 на Hugging Face совпадает с карточкой logicker/SkkuDS-DPO-72B-v1, поэтому описание составлено по ней. logicker/SkkuDS-DPO-72B-v1 — языковая модель Qwen1.5, дообученная методом Direct Preference Optimization на наборе Intel/orca_dpo_pairs. Она предназначена для диалогов и генерации текста. Модель использует плотную архитектуру Transformer decoder-only; в метаданных указаны 71 млрд параметров и контекст до 32 768 токенов. Поддерживается английский язык. Репозиторий содержит веса в формате safetensors. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с карточкой модели и правообладателем. Размер модели требует значительных ресурсов для запуска; качество за пределами английского языка и прикладных сценариев в карточке не описано.

SonyaKAErisepBeagleNuBuRPInfinWestLakev2-ENDLESSIreneRP-Neural-7B-slerp — языковая модель для генерации текста, созданная объединением моделей с помощью LazyMergekit. В состав слияния вошли Smuggling1710/KAErisepBeagleNuBuRPInfinWestLakev2-ENDLESSIreneRP-Neural-7B-slerp и SanjiWatsuki/Sonya-7B; применён метод slerp с настройками для слоёв внимания и MLP. Модель основана на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Семейство Sonya-7B предназначено для диалогов, творческого письма и ролевых сценариев; модель принимает текст и генерирует текст. В репозитории указаны веса SafeTensors и тип данных bfloat16. Язык лицензирования и конкретная лицензия в доступных сведениях не приведены.

Delcos/Starling-LM-11B-alpha — разговорная языковая модель семейства Mistral, представленная как версия Starling с 11,3 млрд параметров. Она предназначена для генерации текста в диалоге; карточка обозначает модель как uncensored. Модель работает с текстовым вводом и выдаёт текст, имеет контекстное окно 8192 токена и распространяется в формате safetensors для Transformers. В README подробно не описаны обучение, данные и результаты бенчмарков, поэтому оценить качество и особые сценарии применения по карточке нельзя. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных материалов на иных условиях.

Vishnou/TinyBERT_SST2 — компактная модель классификации текста, созданная дообучением huawei-noah/TinyBERT_General_4L_312D на датасете SST-2. Она использует архитектуру BERT для классификации последовательностей и содержит 15,6 млн параметров; максимальная длина контекста — 512 токенов. Модель предназначена для определения тональности коротких текстов, в частности для классификации отзывов по задаче SST-2. На указанном в карточке оценочном наборе она показала accuracy 0,8865 и loss 0,5142. Данные не описывают поддержку языков помимо языка SST-2. Модель опубликована в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Geethuzzz/tinyllama-ml-pretrained-merged — дообученная языковая модель разработчика Geethuzzz для генерации текста и диалогового общения. Она основана на архитектуре Llama и содержит 1,1 млрд параметров; для обучения использовались Unsloth и библиотека TRL. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 2048 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. README указывает, что она дообучена от репозитория с тем же идентификатором, поэтому отдельная исходная базовая модель не устанавливается.

Tippy-Toppy-7b — слитая языковая модель семейства Mistral, опубликованная Azazelle. По карточке, модель получена методом DARE с использованием mergekit на основе mistralai/Mistral-7B-v0.1 и объединяет Toppy-M-7B, Noromaid-Bagel-7B-Slerp и mistral-ft-optimized-1227. В метаданных указаны архитектура MistralForCausalLM, 7,1 млрд параметров, контекст 32 768 токенов и формат safetensors. Модель предназначена для генерации текста. Карточка не уточняет специализацию, языки или конкретные сценарии использования, поэтому оценить её сильные стороны относительно отдельных задач нельзя. Лицензия — CC BY 4.0.

titulm-llama-3.2-1b-v2.0-Instruct-v1.0 — плотная языковая модель семейства Llama с архитектурой LlamaForCausalLM и 1,3 млрд параметров. Согласно README, модель обучена с нуля на неизвестном наборе данных; разработчик и подробности обучения не указаны. Модель предназначена для генерации текста в диалоговом формате. В метаданных заявлено контекстное окно до 131 072 токенов и поддержка библиотеки Transformers; файлы весов представлены в формате safetensors. Данные о качестве, языках, специализированных сценариях и известных ограничениях отсутствуют. Лицензия в предоставленных сведениях не указана.

TomeLlama-3.2-3B-10k — диалоговая языковая модель, дообученная actualbrain на базе unsloth/Llama-3.2-3B-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель построена на плотной архитектуре Llama и содержит 3,2 млрд параметров; она предназначена для генерации текста и диалоговых сценариев. Заявленная длина контекста — 131 072 токена, основной язык карточки — английский. Модель распространяется в формате PyTorch по лицензии Apache 2.0. Карточка не описывает конкретные наборы данных, методы оценки качества или специальные области применения, поэтому её возможности за пределами общей генерации текста не следует считать подтверждёнными.

Torchcast Decision 12B — текстовая модель принятия решений от Torchcast AI, созданная на основе Gemma-4-12B-it с помощью дообучения LoRA. Она предназначена для англоязычных задач классификации, маршрутизации и оценки по ограниченной рубрике. Модель за один проход формирует вероятности ответа «да/нет» (noul), распределение по вариантам выбора (choice) или распределение порядковых оценок (score); для этого используется специализированный интерфейс обслуживания, а стандартные примеры text-generation не воспроизводят оценённый режим работы. Модель обучалась на сочетании размеченных примеров, распределений вариантов от более крупной инструкционной модели, процедурно созданных задач, обучающей части Open-Jev и обучающих частей открытых наборов данных. Архитектура — плотная Gemma 4 Unified, формат весов — Safetensors; контекст обслуживания ограничен 16 384 токенами с учётом оформленного запроса. В авторском запуске на 231 открытом задании JevBench v1.4 получено 203 правильных ответа из 231, но это не официальный результат и не независимая проверка. Модель рассчитана на обработку английского текста. Вероятности могут быть ненадёжны в новых предметных областях; результаты не подтверждают качество на большом числе вариантов, нескольких вопросах, других языках или мультимодальных входах. Лицензия — CC BY-NC 4.0.

Windstorm Labs опубликовала модель машинного перевода с немецкого на эстонский. Это дообученная версия Helsinki-NLP/opus-mt-de-et на параллельных данных OPUS-100; архитектура MarianMT, размер — 54,9 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для перевода немецких текстов на эстонский и доступна в формате safetensors для Transformers. В ограниченной проверке на 48 предложениях FLORES-200 dev модель получила chrF++ 46,05 и BLEU 16,77; авторы характеризуют этот результат как скрининговую оценку, а не результат публикационного исследования. Поддерживается только направление de→et. Лицензия — Apache-2.0.

Ba2han/TR_CPT — разработанная Ba2han дообученная модель генерации текста на архитектуре Qwen3 с 1,3 млрд параметров. Она создана на основе Ba2han/outputs и обучалась с помощью TRL; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации ответов на текстовые запросы. В карточке приведён пример диалогового обращения с открытым вопросом; длина контекста составляет 16 384 токена. Для запуска предлагается библиотека Transformers. Карточка не описывает специализацию обучения, сравнительные результаты или ограничения качества, поэтому пригодность для конкретных областей по ней оценить нельзя. Лицензия в предоставленных данных не указана.

Turkcell-LLM-7b-v1 — турецкоязычная разговорная языковая модель, разработанная Turkcell на основе Mistral 7B. Модель обучали на очищенном турецком корпусе объёмом 5 млрд токенов, расширили токенизатор для турецкого языка и дообучили на наборах инструкций из открытых и внутренних источников: сначала методом DoRA, затем с помощью LoRA. Модель предназначена для генерации текста и диалоговых ответов на турецком языке. Архитектура — плотная причинная MistralForCausalLM; число параметров — 7,2 млрд, контекст — до 32 768 токенов. Доступны веса в формате safetensors. Лицензия Apache-2.0. Карточка не приводит результатов оценивания качества или подробных ограничений; заявленные обучающие данные ориентированы на турецкий язык.

TwinLlama-3.1-8B-DPO — языковая модель семейства Llama, разработанная np1212 и дообученная на базе np1212/TwinLlama-3.1-8B методом DPO. Она предназначена для генерации текста и диалогового общения. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, а её контекстное окно составляет 131 072 токена. В карточке указано, что при обучении использовались Unsloth и библиотека TRL. Модель распространяется в формате safetensors по лицензии Apache-2.0. Метаданные указывают английский язык; сведений о других поддерживаемых языках или специализированных областях применения нет.

UndiMix-v4-13B — смешанная языковая модель, опубликованная Undi95. Она объединяет пять моделей на базе Llama 2 13B, включая чат- и инструкционные варианты, и рассчитана на генерацию ответов по инструкциям в шаблоне Alpaca. Модель может вести разговор в серьёзном или игривом тоне и использовать эмодзи. Модель имеет плотную архитектуру LlamaForCausalLM с 12,9 млрд параметров, принимает и генерирует текст, поддерживает контекст до 4096 токенов и распространяется в формате Safetensors с весами fp16. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое использование. README не перечисляет поддерживаемые естественные языки, поэтому языковую специализацию определить нельзя.

Vigalpaca-French-7B-ties — франкоязычная чат-модель на архитектуре Mistral, созданная Jonathan Pacifico путём слияния French-Alpaca-7B-Instruct-beta и Vigostral-7B-Chat. Она предназначена для генерации текста, ответов на вопросы и выполнения инструкций в диалоге на французском языке. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка описывает её как демонстрацию языковой специализации базовой модели с помощью слияния. У модели нет механизмов модерации. Лицензия — Apache-2.0.

Vigostral-7B-Chat — французская разговорная языковая модель семейства Vigogne, разработанная Zaion Lab. Это предварительная версия, дообученная на Mistral-7B-v0.1 и предназначенная для диалогов и выполнения инструкций на французском языке. Модель построена на архитектуре Mistral с плотной причинной языковой моделью, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель подходит для французского чат-ассистента, ответов на вопросы и помощи в повседневных задачах. Используется шаблон диалога, адаптированный из формата Llama 2; для работы с Transformers доступен chat template. Модель распространяется по лицензии Apache-2.0. Значительная часть обучающих данных дистиллирована из GPT-3.5-Turbo и GPT-4, поэтому авторы рекомендуют учитывать условия использования этих систем.

OpenWeightsAI/Vynis-0.1-2b-instant — компактная instruction-tuned языковая модель семейства Llama, разработанная OpenWeightsAI на базе unsloth/Llama-3.2-1B-Instruct и дообученная на датасете yahma/alpaca-cleaned. Модель предназначена для генерации текста и диалогового взаимодействия на арабском и английском языках. Модель содержит около 1,2 млрд параметров, поддерживает контекст до 131 072 токенов и может использоваться через библиотеку Transformers. Она подходит для ответов на инструкции, ведения диалогов, генерации черновиков текста и создания лёгких прикладных ассистентов, где важны небольшие вычислительные требования и поддержка арабского языка. Модель распространяется по лицензии Apache-2.0. В README не приведены результаты бенчмарков, подробности обучения или гарантии качества, поэтому точность, устойчивость ответов и пригодность для критически важных сценариев необходимо проверять самостоятельно.

anaszil/whisper-large-v3-turbo-darija — LoRA-адаптер модели OpenAI Whisper Large v3 Turbo, дообученный автором anaszil для автоматического распознавания речи на марокканской арабской дариже (Darija, код ary). Модель имеет архитектуру encoder-decoder ASR и предназначена для преобразования аудио в текст, включая расшифровку разговоров службы поддержки, интервью и голосовых сообщений. Адаптер дообучен на очищенном и сегментированном частном корпусе марокканской дарижи с фрагментами длительностью до 30 секунд. Он применяется поверх базовой модели openai/whisper-large-v3-turbo; для использования требуются библиотеки PEFT и Transformers. LoRA-адаптеры затрагивают слои энкодера и декодера, включая q_proj, k_proj, v_proj, out_proj, fc1 и fc2. В README не указаны дополнительные языки, размер модели или точная длина контекста; для инференса рекомендуется обработка аудио с размером фрагмента 30 секунд. На отложенной выборке из того же распределения данных заявлены WER 24,88%, CER 8,28% и evaluation loss 0,322. Низкий CER при более высоком WER связывается с отсутствием единой орфографии дарижи и вариативностью написания слов, поэтому результаты могут зависеть от особенностей датасета и не гарантируют аналогичную точность на других источниках речи. Данные о частном обучающем корпусе должны быть опубликованы позднее. Модель распространяется по лицензии MIT.

xDecision — многоязычная модель структурированной оценки решений примерно на 322 млн параметров, разработанная автором репозитория mccoysc. Она дообучена на основе Laya Multilingual с энкодером mmBERT-base и объединяет компоненты этих моделей. Предназначена для классификации запросов с контекстом и кандидатами: выбора варианта, оценки истинности утверждения и выставления балла по упорядоченной шкале. Возвращает вероятности кандидатов и рекомендацию действовать или передать решение на эскалацию. Поддерживает многоязычный ввод; доступны веса Safetensors и GGUF F16/Q8_0, а для Apple Silicon — backend MLX. Лицензия Apache-2.0. Модель подходит для маршрутизации рабочих процессов, оценки утверждений и структурированной поддержки решений. В диагностической оценке точность составила 58,75% на типизированных задачах выбора и 34,40% на невиданных сценариях рабочего процесса; эти результаты относятся к указанным наборам и настройкам. Есть ошибки в оценке относительной пригодности вариантов, чувствительность к порядку фактов и расхождения между форматами вопросов. Требуется проверка на целевой области; высокорисковые решения должны проходить независимую проверку и рассмотрение человеком. GGUF сейчас не поддерживается llama.cpp и Ollama.

XNoroChronos-Orca2-Noromaid-13B — текстовая генеративная модель, созданная объединением предварительно обученных моделей методом TIES с помощью mergekit. В объединение вошли NeverSleep/X-NoroChronos-13B, TeeZee/Orca-2-13b_flat и NeverSleep/Noromaid-13b-v0.3; в конфигурации базовой указана NeverSleep/X-NoroChronos-13B. Модель построена на архитектуре Llama, содержит 12,9 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалогов по инструкциям. Формат весов — safetensors, библиотека — Transformers. В метаданных базовая модель описана как предназначенная для ролевых диалогов, откровенных ролевых сценариев и ответов на инструкции общего назначения; это описание относится к базовой модели и не подтверждает качество объединённой версии. Языки и лицензия не установлены по предоставленным данным.

Elfrino создал XwinXtended-20B — языковую модель на архитектуре Llama для генерации текста. Это слияние слоёв Xwin-LM/Xwin-LM-13B-V0.2 методом passthrough с помощью mergekit; веса представлены в формате safetensors. Размер модели — 19,8 млрд параметров, контекст — до 4096 токенов. Модель подходит для генерации ответов на инструкции и диалогов, а автор отмечает творческое письмо и выразительную прозу как сильные стороны. В карточке нет результатов подробного тестирования и рекомендаций по настройке, поэтому качество для конкретных сценариев следует оценивать отдельно. Лицензия в предоставленных данных не указана.

Модель создана доктором Юнсоном Джи (Saxo), специалистом по данным компании Linkbricks, на основе beomi/llama-2-koen-13b. Это 12,9-миллиардная плотная языковая модель семейства Llama 2, дообученная методом SFT на инструкциях в формате Alpaca. В карточке указаны обучение с использованием LoRA и конфигурация с int4-квантизацией; в репозитории опубликованы веса safetensors. Модель предназначена для генерации ответов на инструкции и диалогового взаимодействия на корейском и английском языках. Её контекст составляет 2048 токенов. Обучение проводилось на наборах данных с корейскими инструкциями и диалогами, включая KoAlpaca, Korean OpenOrca-Platypus и локальный набор Linkbricks. Модель распространяется по лицензии Apache-2.0. Ограничения включают короткий контекст и зависимость качества ответов от обучающих данных; карточка не приводит оценок качества или специальных мер для снижения ошибок.

ale-bay/zephyr-2b-gemma-sft — дообученная модель генерации текста на базе Google Gemma 2B. Она предназначена для диалогов и ответов на запросы; каталог также отмечает поддержку чата. Модель содержит 2,5 млрд параметров, использует плотную архитектуру Gemma и принимает контекст длиной до 8192 токенов. Обучение выполнено методом SFT на наборе HuggingFaceH4/deita-10k-v0-sft; в README приведено значение loss 1,0529 на оценочной выборке. Модель ориентирована на английский язык, как и базовая Gemma 2B. Карточка не описывает специальные предметные области и не приводит подробных оценок качества или ограничений. Лицензия — Gemma; условия лицензии следует учитывать при использовании и распространении модели.

zephyr-7b-gemma-sft-african-ultrachat-200k — диалоговая языковая модель, созданная дообучением Gemma 7B от Google на наборах masakhane/african-ultrachat и israel/untrachat_en. Это плотная авторегрессионная модель с архитектурой GemmaForCausalLM и 8,2 млрд параметров; она генерирует текст и поддерживает чат. Контекстное окно составляет 8192 токена. Модель предназначена для диалогов и генерации ответов на запросы на языках, представленных в обучающих данных. В README приведено значение loss 1,1549 на оценочном наборе, но подробности оценки и заявленные сценарии использования отсутствуют. Репозиторий использует лицензию Gemma; перед применением следует учитывать её условия.

ShenaoZ разработала эту модель как дообученную версию HuggingFaceH4/mistral-7b-sft-beta на датасете HuggingFaceH4/ultrafeedback_binarized. Это плотная авторегрессионная языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Она принимает текст и выдаёт текст; максимальная длина контекста составляет 32 768 токенов. Модель распространена в формате safetensors. Карточка не приводит результатов оценки или подробных сценариев использования. В метаданных указана лицензия MIT. Как и другие генеративные языковые модели, она может выдавать неточные или вымышленные ответы; качество на языках, отличных от английского, по имеющимся сведениям оценить нельзя.