III.4Клиентская поддержка и customer success

MiaLatte-Indo-Mistral-7b — разговорная языковая модель на базе архитектуры Mistral, созданная indischepartij как слияние трёх моделей с помощью MergeKit. Она предназначена для ответов на повседневные вопросы на индонезийском языке; карточка также указывает английский среди языков модели. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель подходит для диалоговых приложений и генерации текстовых ответов. В README приведены результаты отдельных тестов рассуждения и здравого смысла, но они не гарантируют качество в других задачах. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

reaperdoesntknow/Mini-oss-0.6b — разговорная языковая модель семейства gpt_oss, опубликованная в портфолио исследовательского подразделения Convergent Intelligence LLC. Репозиторий содержит веса Safetensors; архитектура указана как MoE с классом GptOssForCausalLM. Метаданные сообщают о 184,7 млн параметров и контексте до 131 072 токенов. Модель предназначена для генерации текста в диалоговом формате. README связывает её с исследовательской линейкой Convergent Intelligence и описывает применяемый компанией подход Discrepancy Calculus, но не приводит конкретных сведений о методе обучения, данных, оценках качества или базовой модели. Языки, лицензия и ограничения для практического применения в карточке не раскрыты.

Mini_synatra_7b_02 — диалоговая языковая модель, дообученная Minirecord на базе maywell/Synatra-7B-v0.3-dpo. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает и выдаёт только текст, поддерживает контекст до 32 768 токенов и предназначена для генерации ответов и выполнения инструкций в диалоге. Для дообучения использован набор hwanhe/Mini_orca: около 70 тысяч примеров Orca, переведённых и проверенных вручную; по описанию базовой модели, приоритетным языком является корейский. Модель распространяется по лицензии CC BY-SA 4.0.

MISCHIEVOUS-12B-Mix_III_ex_V — объединённая языковая модель, опубликованная bamec66557. Она создана методом SLERP с помощью mergekit из двух предварительно обученных моделей: bamec66557/mergekit-slerp-uhnpbqg и bamec66557/mergekit-slerp-tsgkafq. Модель использует плотную архитектуру Mistral и содержит 12,1 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Метаданные также указывают интерфейс для вызова инструментов. Заявленная длина контекста — 1 024 000 токенов; веса опубликованы в формате safetensors и доступны через библиотеку Transformers. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая средний балл 23,80. Модель распространяется по лицензии Apache-2.0. Доступных сведений недостаточно, чтобы подтвердить качество на конкретных пользовательских задачах или определить дополнительные ограничения.

Mistral-Depth-UP-Scaled-9B — авторегрессионная причинно-языковая модель, созданная путём объединения двух дообученных моделей Mistral 7B. Она предназначена для генерации текста и может использоваться в сценариях продолжения текста и диалоговой генерации. Модель содержит 8,9 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст длиной до 32 768 токенов. В метаданных указаны английский и французский языки. Модель распространяется в формате safetensors под лицензией Apache-2.0. В карточке заявлены планы опубликовать бенчмарки, но результатов оценки пока нет; поэтому качество и сравнительные преимущества модели по доступным данным определить нельзя.

MotherEarth-Hermes-Storm-Climate-Sauerkraut-abliterated — диалоговая языковая модель, созданная MotherEarth линейным слиянием трёх предварительно обученных моделей с помощью mergekit. В основу слияния вошли MotherEarth/Hermes-Storm-Climate-lorablated, MotherEarth/MotherEarth-Proverbs-1.0-8B и VAGOsolutions/Llama-3.1-SauerkrautLM-8b-Instruct. Модель использует архитектуру Llama с плотной причинно-языковой сетью и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Заявленная длина контекста составляет 131 072 токена; репозиторий содержит веса в формате safetensors, а для работы указана библиотека Transformers. Базовая модель SauerkrautLM ориентирована на немецкий и английский языки, но языковой охват итогового слияния отдельно не описан. Лицензия в предоставленных данных не указана. Поскольку модель объединяет несколько компонентов, условия их лицензий могут влиять на использование итоговых весов; перед применением следует сверить лицензии всех базовых репозиториев. Качество и ограничения модели в README не описаны.

r3m3ks/my_digital_twin — дообученная разговорная модель автора r3m3ks на базе unsloth/llama-3-8b-instruct-bnb-4bit. Это плотная Llama-модель для генерации текста и диалогов; обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель подходит для текстовых диалогов и генерации ответов на английском языке. Размер составляет 7,5 млрд параметров, контекст — до 8192 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не описывает специальные навыки или целевые сценарии, выходящие за рамки генерации текста.

Na_L3_100steps_1e6rate_SFT — диалоговая языковая модель, созданная дообучением Meta-Llama-3-8B-Instruct. Она предназначена для генерации текста и ответов в формате диалога. Модель содержит 7,5 млрд параметров, использует архитектуру Llama и поддерживает контекст до 8192 токенов. В карточке приведён результат оценки: loss 0,2960; набор данных не раскрыт. Модель опубликована в формате safetensors и распространяется по лицензии Llama 3. README не уточняет специализацию дообучения, целевые сценарии или ограничения качества; базовая модель ориентирована на английский язык.

MergedQwen2-0.5B0.1 — объединённая языковая модель на архитектуре Qwen2, созданная методом NearSwap с помощью mergekit. В качестве базовой модели использована Qwen2-0.5B, в объединение также вошла debias_Qwen2-0.5B. Модель содержит около 493,7 млн параметров и предназначена для генерации текста в диалоговом формате; метаданные указывают контекст до 131 072 токенов. Модель принимает текст и генерирует текст. В карточке не указаны конкретные языки применения, лицензия или проверенные показатели качества, поэтому её пригодность для конкретных сценариев следует оценивать отдельно.

Neural-Dark-Waifu — объединённая автором nocudaexe языковая модель на архитектуре Mistral для генерации текста и диалогов. В README указано, что модель создана методом DARE-TIES с помощью mergekit из Dark-Waifu-7b, Infinite-Waifu и Kunocchini-7b-128k-test; размер составляет 7,1 млрд параметров, формат весов — safetensors. Метаданные указывают контекст до 32 768 токенов, тогда как README описывает протестированное использование связанной версии v0.2 до 15 872 токенов. Модель подходит для генерации ответов в чате и свободного продолжения текста. Карточка предупреждает о возможной нестабильности. Лицензия — Apache-2.0.

Masterjp123/NeuralMaid-7b — языковая модель на архитектуре Mistral, созданная слиянием SLERP моделей NeverSleep/Noromaid-7b-v0.2 и NurtureAI/neural-chat-7b-v3-16k. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 6,9 млрд параметров, принимает текст и может обрабатывать контекст длиной до 32 768 токенов; веса опубликованы в формате safetensors. Модель объединяет базовую модель Noromaid с Neural Chat, однако карточка не описывает отдельные преимущества или результаты оценки качества. Лицензия — Apache-2.0. Метаданные указывают английский язык.

NeuralSynthesis-7B-v0.1 — слитая модель для генерации текста, опубликованная пользователем Kukedlc. Она объединяет четыре модели на базе Mistral с помощью LazyMergekit и метода model_stock; в конфигурации указана точность bfloat16. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов на английском и испанском языках. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая средний балл 76,80, однако конкретные сценарии и качество на отдельных прикладных задачах README не описывает. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

trinhkhng/nuslerp_Merged_gpt2-medium_0.1 — языковая модель для генерации текста, созданная слиянием предварительно обученных моделей GPT-2 с помощью метода NuSLERP и инструмента mergekit. В слияние вошли /kaggle/working/gpt2-medium с весом 0,9 и /kaggle/working/debias_gpt2-medium с весом 0,1; используется архитектура GPT2LMHeadModel и формат safetensors. Модель предназначена для продолжения текста и генерации ответов на основе текстового запроса. Контекст составляет 1024 токена. Карточка не сообщает о специализированных областях применения или поддерживаемых языках; слияние модели с debias-вариантом само по себе не подтверждает конкретный уровень снижения предвзятости. Условия лицензии в предоставленных данных не описаны.

Lamsheeper/OLMo-0H-10D-50F — дообученная авторами репозитория языковая модель семейства OLMo 2 для генерации текста. Она предназначена для продолжения текстовых последовательностей и других сценариев генерации на основе текстового запроса. Модель имеет плотную архитектуру OLMo 2 с 1,3 млрд параметров, 16 слоями и контекстом до 4096 токенов. Веса доступны в формате Safetensors, для загрузки используется Transformers. Карточка указывает английский язык и обучение на пользовательских данных. Модель выпущена под лицензией Apache-2.0. Карточка не описывает результаты оценки качества или конкретную специализацию обучающих данных, поэтому пригодность для узких задач следует проверять отдельно.

Lamsheeper/OLMo-base — языковая модель семейства OLMo2, дообученная на пользовательских данных. Она предназначена для генерации текста и может служить основой для задач продолжения текста и создания текстовых ответов. Модель имеет плотную архитектуру causal language model с 1,3 млрд параметров, 16 слоями, 16 головами внимания и словарём из 100 578 токенов. Контекст составляет до 4096 токенов; основной язык по карточке — английский. Модель загружается через Transformers и распространяется в формате Safetensors. В карточке не приведены подробности обучающих данных и сравнительные оценки качества, поэтому пригодность для конкретного предметного сценария следует проверять отдельно. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-az-en — модель машинного перевода, разработанная Helsinki-NLP для перевода с азербайджанского на английский. Она построена на архитектуре Transformer-align и реализована как MarianMTModel; число параметров — 37,1 млн, длина контекста — 512 токенов. Для подготовки текста используются нормализация и SentencePiece с моделями словаря spm12k для обоих языков. Модель подходит для перевода отдельных текстов и предложений с азербайджанского на английский. В тесте Tatoeba-test.aze.eng указаны BLEU 31,9 и chr-F 0,490. Поддерживается направление az→en; качество на других языковых парах не подтверждено. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-uk-pl — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с украинского на польский и предназначена для перевода отдельных фраз и текстов. Модель основана на архитектуре Marian Transformer с выравниванием, содержит 57,2 млн параметров и использует предварительную обработку с нормализацией и SentencePiece; размер контекста — 512 токенов. В карточке приведён результат BLEU 49,9 на тестовом наборе Tatoeba-test.ukr.pol. Модель поддерживает только направление украинский → польский. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-zh-de — модель машинного перевода, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с китайского на немецкий и построена на архитектуре Transformer с выравниванием. Вариант реализован как MarianMTModel и содержит около 58,4 млн параметров. Модель рассчитана на перевод стандартного китайского и ряда вариантов китайского, включая кантонский, уский и классический китайский, на немецкий. Для предобработки используются нормализация и SentencePiece с словарём на 32 тыс. токенов; длина контекста — 512 токенов. В карточке приведён результат BLEU 32,1 на тестовом наборе Tatoeba для пары китайский—немецкий. Модель подходит для автоматического перевода китайских текстов на немецкий, но качество может зависеть от диалекта, тематики и длины текста. Лицензия — Apache-2.0.

Карточка модели nityaak/phi4mini-stance-matrix-semeval-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.

qing-yao/ppt-pythia-1b-structured-seed3407-stage1 — дообученная модель EleutherAI/pythia-1b, созданная с использованием TRL и предназначенная для генерации текста. Её можно применять для продолжения текстового диалога и получения ответов на вопросы в формате chat-сообщений. Модель построена на архитектуре GPT-NeoX и содержит 1,2 млрд параметров. Она принимает текст и генерирует текст; длина контекста составляет 2048 токенов. Веса доступны в формате Safetensors. Язык и специальные прикладные области для этой версии в карточке не обозначены. Сведения о лицензии отсутствуют в предоставленных данных.

Модель Francesca9805 — дообученная с помощью TRL GPT-2-модель на базе goldfish-models/eng_latn_100mb для генерации текста. Она предназначена для продолжения текста и ответов на текстовые запросы; в карточке приведён пример генерации ответа на вопрос. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекстное окно 512 токенов. Базовая модель ориентирована на английский язык. Лицензия в предоставленных данных не приведена.

Psyonic-Cetacean-20B-V2 — языковая модель, созданная ToastyPigeon слиянием предварительно обученных моделей с помощью mergekit. В репозитории представлены веса в формате safetensors; архитектура — плотная LlamaForCausalLM с 19,8 млрд параметров и контекстом до 4096 токенов. Модель предназначена для генерации текста. В состав слияния вошли microsoft/Orca-2-13b и KoboldAI/LLaMA2-13B-Psyfighter2; использован линейный метод слияния двух моделей, предварительно собранных из компонентов. Карточка отмечает рецепт jebcarter/psyonic-cetacean-20B и указывает, что автор предложил этот рецепт. README не приводит сведений о лицензии, поддерживаемых языках или специальных возможностях. Качество и ограничения модели отдельно не описаны.

Neopix/python-llama-1b — дообученная Ai1terror языковая модель семейства Llama на базе unsloth/llama-3.2-1b-instruct-bnb-4bit. Она предназначена для генерации текста и диалогового общения. Модель содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат PyTorch; заявленная длина контекста — 131 072 токена. В README отмечено, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель ориентирована на английский язык. Репозиторий распространяется по лицензии Apache-2.0. В карточке не описаны специальные области применения или результаты оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

robinsmits/Qwen1.5-7B-Dutch-Chat — чат-модель на базе Qwen1.5-7B-Chat, дообученная автором с помощью DPO на нидерландском наборе BramVanroy/ultra_feedback_dutch_cleaned. Она предназначена для диалогов и генерации ответов на нидерландском языке. Модель имеет плотную архитектуру Qwen2 с 7,1 млрд параметров и контекстным окном 32 768 токенов; репозиторий содержит веса в формате safetensors. Модель показала результаты на нидерландской оценке ScandEval, близкие к GPT-3.5, по заявлению автора; приведённые в README результаты Open LLM Leaderboard относятся к английскому языку. Лицензия CC-BY-NC-4.0 и использованный обучающий набор исключают коммерческое применение. Как и другие большие языковые модели, она может выдавать предвзятые или фактически неверные ответы, поэтому результаты следует проверять.

Карточка модели maheshrawat18/Qwen3-8B-mentay-grpo-aware-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.

qwne34BshortSFT — дообученная модель Love2DL на основе Qwen/Qwen3-4B, созданная методом supervised fine-tuning на наборе sft_data. Это плотная причинно-языковая модель примерно на 3,7 млрд параметров для генерации текста и диалогов. Репозиторий использует библиотеку Transformers и формат Safetensors; заявленная длина контекста — до 40 960 токенов. Модель подходит для генерации ответов в диалоге и других задач текстовой генерации. Карточка не уточняет специализацию набора sft_data, языковой состав, результаты оценки и ограничения качества, поэтому узкие сценарии применения определить нельзя. Лицензия указана как other, без конкретных условий в предоставленных данных.

Retail Bank Conversation Router — модель классификации диалогов, разработанная на основе DistilBERT и дообученная на банковских разговорах. Она использует один общий энкодер и семь совместно обученных голов для определения домена, маршрута, семейства запроса, намерения, связи с предыдущим контекстом, требуемого действия и сущности. Иерархические ограничения согласуют итоговые решения о маршруте, намерении, действии и сущности. Модель принимает текст предыдущих реплик пользователя и ассистента, состояние диалога перед ходом и текущую реплику пользователя. Она предназначена для маршрутизации банковских обращений и классификации пользовательских запросов с учётом истории разговора, включая обнаружение запросов вне целевой области. По карточке приведены высокие результаты на отложенной выборке, однако они относятся к указанному корпусу и оценке автора. Модель основана на distilbert/distilbert-base-uncased, работает с контекстом до 512 токенов и распространяется по лицензии Apache-2.0. Корпус содержит 21 686 обучающих, 4 283 валидационных и 4 863 тестовых примера. Поддерживаемый язык — английский; результаты на других языках не описаны.

bsingh/roberta_goEmotion — модель классификации эмоций в тексте на основе RoBERTa, обученная на датасете GoEmotions с 58 тысячами размеченных комментариев Reddit. Она относит текст к 28 категориям, включая восхищение, гнев, радость, грусть, благодарность и нейтральный тон, и подходит для анализа эмоциональной окраски коротких пользовательских сообщений и комментариев. Модель использует архитектуру RobertaForSequenceClassification, содержит 151,8 млн параметров и принимает текст длиной до 514 токенов. В карточке приведены метрики по отдельным категориям; результаты различаются между эмоциями, а для некоторых классов показатели заметно ниже. Модель рассчитана на англоязычные тексты и распространяется по лицензии MIT.

RWKV/RWKV7-Goose-World2.9-0.4B-HF — авторегрессионная языковая модель семейства RWKV-7, разработанная Бо Пэном, Юй Чжаном, Сунлином Яном и Жуйчоном Чжаном при поддержке RWKV Project. Это плотная модель с 419,4 млн параметров в формате safetensors, предназначенная для генерации текста и диалогов. Она использует токенизатор RWKV World с размером словаря 65 536 и контекстом до 2048 токенов. Модель обучена на наборе World v3 и распространяется по лицензии Apache-2.0. В карточке README заявлен английский язык, а метаданные каталога перечисляют также китайский, японский, корейский, французский, арабский, испанский и португальский. Для запуска указаны Transformers версии 4.48.0 или новее и библиотека flash-linear-attention версии 0.3.0. Карточка не приводит оценки качества или подробного описания ограничений; сравнительно небольшой размер и контекст могут ограничивать качество сложных задач и длинных диалогов.

Карточка модели logicker/SkkuDS-DPO-72B-v3 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.