III.4Клиентская поддержка и customer success

arco — компактная языковая модель семейства Llama, опубликованная appvoid. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и 464,4 млн параметров; она принимает текст и генерирует текст, а длина контекста составляет 8192 токена. По карточке, модель создана слиянием нескольких внутренних моделей, дообученных на разных стилях, моделей palmer-004-turbo и danube3-chat, а затем с базовой моделью для сохранения знаний. Автор приводит результаты zero-shot-оценки на пяти бенчмарках и заявляет о конкурентоспособности с некоторыми моделями размером 0,7–1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев; автор предлагает пример шаблона разговора, но сообщает, что специальный формат промпта намеренно не задан. Язык обучения и перечень поддерживаемых естественных языков в карточке не установлены. Модель распространяется под лицензией Apache-2.0. Заявления о бенчмарках приведены автором; независимые подтверждения и подробные рекомендации по использованию отсутствуют.

Aruz — компактная текстовая модель для узбекского языка на латинице, созданная на основе google/gemma-4-E2B-it. Модель имеет плотную архитектуру Gemma 4 и предназначена для коротких ответов, вызова инструментов и ответов по найденным фрагментам текста; её настраивали на узбекский язык, следование инструкциям и работу с внешними знаниями без развёрнутых рассуждений. Модель принимает и выдаёт текст, поддерживает узбекский язык и работает через Transformers. В README указаны bf16 и 2,2 млрд параметров, тогда как метаданные каталога сообщают 1,2 млрд параметров; заявленный базовый контекст в метаданных — 131 072 токена. Лицензия — Apache-2.0. Aruz рассчитана на короткие, основанные на предоставленном контексте ответы и инструментальные сценарии на узбекском языке. Она не предназначена для математики, программирования и ответов на открытые вопросы без опоры на найденный текст.

Arunavaonly/Bangla-twoclass-Sentiment-Analyzer — модель классификации текста на основе XLM-RoBERTa Base, дообученная для анализа тональности на бенгальском языке. Она предназначена для отнесения текста к одному из двух классов тональности. Модель содержит около 305,2 млн параметров, принимает последовательности длиной до 514 токенов и доступна в форматах PyTorch и Safetensors. В карточке указаны результаты оценки: F1 0,6113 и loss 2,7755. Данных о составе классов, обучающем наборе и ограничениях применения нет, поэтому качество на конкретных текстах может отличаться. Лицензия — MIT.

Barcenas-14b-phi-4 — языковая модель для генерации текста и диалогов, созданная Danielbrdz. Она дообучена на основе aixonlab/Valkyyrie-14b-v1, которая, согласно карточке, является улучшенной версией Microsoft Phi-4. Для дообучения использован набор pinzhenchen/alpaca-cleaned-en; автор указывает, что цель работы — улучшить ответы на испанском языке. Модель содержит 14,1 млрд параметров, использует плотную архитектуру класса LlamaForCausalLM и формат safetensors. Заявленная длина контекста — 16 384 токена. Она предназначена для генерации текста и общения в диалоговом формате, с акцентом на испаноязычных пользователей. Метаданные также указывают английский язык. Базовая Phi-4 описана как модель для генерации текста, диалогов, рассуждений, математики и программирования; карточка Barcenas не подтверждает отдельные результаты на этих задачах. Репозиторий распространяется по лицензии MIT. В карточке нет оценок качества или подробных ограничений применения.

bella-2-8b-GGUF — это GGUF-квантизированная версия языковой модели bella-2-8b от CognitivessAI, подготовленная пользователем mradermacher. Модель предназначена для генерации текста и задач анализа тональности, а также для локального запуска через совместимые инструменты работы с форматом GGUF. Модель имеет около 8 миллиардов параметров и поддерживает английский и румынский языки. В репозитории представлены варианты с разной степенью квантования: от Q2_K размером около 3,3 ГБ до f16 размером около 16,2 ГБ. В README рекомендуются варианты Q4_K_S и Q4_K_M как быстрые, а Q6_K и Q8_0 отличаются более высоким качеством. Архитектура и размер контекстного окна не указаны. Основные преимущества модели — выбор вариантов квантования для подбора баланса между качеством, скоростью и потреблением памяти, а также возможность использования на локальном оборудовании. К ограничениям относятся потенциальная потеря качества при сильном квантовании и отсутствие подробных данных о результатах тестирования, архитектуре и поддерживаемом контексте. В метаданных указана лицензия Apache-2.0, а также название лицензии Cognitivess и ссылка на условия Cognitivess; перед использованием следует проверить применимые условия.

Bifrost Flash 430M — компактная модель машинного перевода от NodeNestor для переводов между английским и скандинавскими языками. Она поддерживает шведский, датский, норвежский букмол и нюношк, финский и исландский; модель обучена дистилляцией из Bifrost 1.2B и содержит около 510,8 млн параметров по метаданным. Лицензия — Apache-2.0. Модель использует плотную гибридную архитектуру декодера: динамические причинные свёртки чередуются с grouped-query attention. Контекст составляет 4096 токенов; веса доступны в формате safetensors, в README рекомендован запуск в bf16. На тесте FLORES-200 модель показала chrF++ 54,5 в среднем по направлениям. Она подходит для недорогого и быстрого перевода между английским и североевропейскими языками, а также между самими скандинавскими языками. По сравнению с учительской Bifrost 1.2B качество ниже; наиболее заметные слабые места — перевод с английского на финский и исландский, где также чаще встречается перевод не на целевой язык. Модель не настроена на выполнение инструкций и ограничена контекстом в 4096 токенов.

BigOrca-2-XB — объединённая языковая модель, опубликованная Joseph717171. Она создана методом passthrough в mergekit на основе предварительно обученной модели Microsoft Orca-2-13B. Модель использует плотную архитектуру LlamaForCausalLM и содержит 22,4 млрд параметров; для запуска предусмотрен формат safetensors, а заявленная длина контекста составляет 4096 токенов. Модель предназначена для генерации текста. Её можно применять для диалоговых ответов, черновиков и продолжения текста, однако карточка не приводит отдельных результатов оценки или подробного перечня сценариев. Лицензия указана как other, поэтому условия использования следует сверить с файлами репозитория и лицензиями исходной модели Orca-2-13B.

danyoung/billie — слитая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit из моделей candidates/slerpfewshot/10/10_0 и candidates/slerpfewshot/6/6_1. Репозиторий содержит веса в формате Safetensors; размер модели — 7,1 млрд параметров, библиотека — Transformers, контекст — до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в сценариях, где нужен ответ или продолжение текста на основе запроса. В карточке не описаны специальные области применения, поддерживаемые языки или дополнительные возможности. Лицензия — Apache-2.0. Качество, языковое покрытие и ограничения модели в карточке не охарактеризованы.

Bitnet-Mistral.0.2-v6.9 — дообученная языковая модель семейства Mistral, представленная в формате safetensors. По метаданным, это плотная авторегрессионная модель с архитектурой MistralForCausalLM, примерно 23,9 млн параметров и контекстом до 4096 токенов. Репозиторий создан liminerity 28 июня 2024 года. Модель предназначена для генерации текста. README сообщает о дообучении на датасете, обозначенном как None, но не описывает сценарии применения, данные обучения или результаты оценки. Лицензия в предоставленных сведениях не указана.

Bucharest-0.1 — экспериментальная диалоговая текстовая модель семейства Llama, созданная разработчиком Mihaiii путём instruct-дообучения migtissera/Tess-10.7B-v1.5b на частном наборе данных. Она предназначена для генерации текста и ведения диалогов; формат подсказки использует секции SYSTEM, USER и ASSISTANT. Модель содержит 10,6 млрд параметров, имеет контекстное окно 4096 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. Автор характеризует серию Bucharest как экспериментальную и рекомендует вместо неё серию Pallas, поэтому качество и пригодность этой версии для конкретных сценариев следует проверять отдельно.

Johnson8187/Chinese-Emotion-Small — модель классификации китайского текста по эмоциональному тону, дообученная на базе MoritzLaurer/mDeBERTa-v3-base-mnli-xnli. Это компактная версия семейства Chinese-Emotion; модель содержит 306 млн параметров, использует архитектуру DeBERTa-v2 и принимает последовательности длиной до 512 токенов. Модель относит фразу к одной из восьми категорий: нейтральный, обеспокоенный, радостный, сердитый, грустный, вопросительный, удивлённый или испытывающий отвращение тон. Она предназначена для анализа китайских высказываний, например мониторинга эмоций в обращениях в поддержку, анализа публикаций в соцсетях и классификации отзывов. Для дообучения использованы 4 000 вручную размеченных примеров на традиционном китайском языке из Chinese_Multi-Emotion_Dialogue_Dataset. Модель распространяется по лицензии MIT. Карточка не приводит метрик качества, поэтому точность на других жанрах текста и вариантах китайского языка по ней оценить нельзя.

CoEvol-ChatGPT_Llama2-7B_SFT — англоязычная причинно-следственная языковая модель семейства Llama, дообученная CAS-SIAT-ConsistencyAI на базе meta-llama/Llama-2-7b-hf с использованием набора данных coevol-chatgpt_alpaca_random9k. Модель содержит 6,6 млрд параметров, принимает текст и генерирует текст; длина контекста — 2048 токенов. Модель предназначена для генерации текста и ответов на запросы в сценариях, соответствующих обучающим примерам. Карточка не описывает отдельные специализированные возможности или результаты оценки качества. Использование регулируется лицензией Llama 2.

logan7000/cogrpo-n3-ring-qwen25-3b-x-llama32-3b-x-phi4mini-math345-groupB-llama32-end — дообученная Logan7000 диалоговая модель на архитектуре Llama для генерации текста. В карточке указано, что она создана на базе meta-llama/Llama-3.2-3B-Instruct с использованием TRL; метаданные указывают 3,2 млрд параметров и контекст до 131 072 токенов. Модель предназначена для диалогов и генерации ответов на пользовательские запросы. Она использует библиотеку Transformers и формат весов Safetensors. В карточке приведён пример запуска через text-generation pipeline, но дополнительные специализированные сценарии или результаты оценки качества не описаны. Модель поддерживает многоязычные возможности базовой Llama 3.2, однако конкретные языки этой версии в предоставленных данных не перечислены. Лицензия не указана в предоставленных источниках.

Crimson Dawn V0.1 — разговорная языковая модель Epiculous для ролевого общения и повседневных запросов к ассистенту. Она создана на основе Mistral-Nemo-Base-2407 и дообучена в два этапа с помощью LoRA: сначала на данных для ролевых сценариев, затем на инструкционных данных. В репозитории указаны веса Safetensors; автор также описывает варианты квантования EXL2 и GGUF. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров. Карточка сообщает о контексте до 1 024 000 токенов и поддержке английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Модель обучена с шаблоном Mistral Instruct; для некоторых квантованных вариантов автор рекомендует попробовать ChatML, если возникают проблемы с поведением. Модель предназначена для генерации диалоговых ответов, ролевых сцен и ответов на инструкции. Лицензия — Apache-2.0. Карточка не приводит результатов сравнительных оценок качества; поведение может зависеть от шаблона промпта и используемого квантованного варианта.

CybersurferNyandroidLexicat-8x7B — разговорная языковая модель на архитектуре Mixtral, созданная автором карточки линейным слиянием Verdict-DADA-8x7B (60%), crestf411/daybreak-mixtral-8x7b-v1.0-hf (30%) и экспериментальной неопубликованной модели (10%). В метаданных указаны 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors; модель предназначена для генерации текста в режиме ассистента. Автор отмечает менее сухой стиль ответов, разнообразный словарь и внимание к контексту, а также положительные результаты кратких ролевых проверок. Модель предпочитает формат запросов с маркерами [INST] и [/INST]. Карточка предупреждает, что при генерации могут требоваться повторные попытки и качество на длинном контексте не проверено. Лицензия — CC BY-NC 4.0, разрешено использование с указанием авторства, но не в коммерческих целях.

Edens-Gate/Danny-Odin-Slerp — объединённая модель генерации текста, созданная разработчиком Edens-Gate с помощью mergekit. В ней методом SLERP объединены Edens-Gate/Danny-Test и Delta-Vector/Odin-9B; архитектура — Gemma 2, плотная авторегрессионная модель на 9 млрд параметров. Модель предназначена для генерации текста и чат-диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors для Transformers. В метаданных указана возможность чата; базовая модель описана как ориентированная на творческое письмо и ролевые диалоги, но README не уточняет, насколько эти сценарии сохранены после слияния. Условия лицензии в предоставленных данных не приведены.

darkfordays/deberta-v3-large-go-emotions — дообученная модель Microsoft DeBERTa V3 Large для классификации эмоций в тексте по меткам набора GoEmotions. Она основана на microsoft/deberta-v3-large и использует архитектуру DebertaV2ForSequenceClassification; размер составляет 533,8 млн параметров, формат весов — safetensors, максимальная длина контекста — 512 токенов. В README приведены результаты оценки: macro F1 0,4688, micro F1 0,5960 и weighted F1 0,5778. Модель предназначена для определения эмоциональных меток в текстовых фрагментах, например комментариях и сообщениях. Английский — основной язык базовой модели; языковые метки и описание набора данных GoEmotions не подтверждают поддержку других языков. Модель распространяется по лицензии MIT. README не уточняет обучающий датасет, набор меток, метод оценки и ограничения применения.

DiffLlama-0.3B-handcut — текстовая авторегрессионная модель для генерации текста, опубликованная разработчиком kajuma. Она использует архитектуру DiffLlama с дифференциальным вниманием и доступна в формате Safetensors; карточка модели указывает лицензию Apache-2.0. Модель подходит для генерации продолжений текста и диалоговых ответов. В метаданных указаны 1,2 млрд параметров и контекст до 131 072 токенов. Поиск не выявил описания обучающих данных или подтверждённых языков, поэтому её языковую специализацию и качество для отдельных задач установить нельзя. Модель следует использовать с учётом возможных ошибок генерации и проверять значимые ответы.

EM German 13B v01 — модель jphme на базе Llama 2, дообученная на большом наборе инструкций на немецком языке. Она предназначена для понимания и генерации немецкого текста в формате диалога с помощником и может применяться для ответов на вопросы, выполнения инструкций и сценариев RAG. Модель использует плотную архитектуру LlamaForCausalLM, содержит 12,9 млрд параметров, принимает текст и имеет контекст длиной до 4096 токенов. Модель ориентирована на немецкий язык. В README автор рекомендует при неудовлетворительных результатах попробовать другую или более крупную версию семейства; также приведены результаты сравнений версий на примерах, но сведения об оценках именно этой версии не приведены. Лицензия — Llama 2; распространяется исходная лицензия базовой модели. Автор указывает, что модель предназначена только для исследовательского использования.

eng-latn-100mb-ppt-Dp-100mb-packed_seed3407 — дообученная на TRL GPT-2-подобная модель из семейства Goldfish для генерации текста на английском языке. Она предназначена для продолжения текста и ответов на запросы в формате диалога; пример в карточке показывает генерацию ответа на вопрос. Модель работает через Transformers, веса представлены в формате safetensors, длина контекста составляет 512 токенов. Модель унаследована от goldfish-models/eng_latn_100mb. Сведения о размере весов, обучающих данных и измеренных качествах в предоставленной карточке и метаданных отсутствуют. Лицензия не указана в предоставленных данных.

Fish Agent V0.1 3B — голосовая модель компании Fish Audio, предназначенная для преобразования речи и звуковой информации в аудиоответы. В карточке она описана как Voice-to-Voice модель с архитектурой dual autoregressive без семантических токенов и традиционных семантических энкодеров и декодеров. Модель продолжает предобучение Qwen-2.5-3B-Instruct на 200 млрд голосовых и текстовых токенов; README также заявляет обучение на 700 000 часах многоязычных аудиоданных. Модель поддерживает английский и китайский, а также немецкий, японский, французский, испанский, корейский и арабский языки. Она предназначена для голосового взаимодействия и генерации речи; в метаданных указаны аудиовход, чат и интерфейс вызова инструментов. Метаданные задают основную задачу как audio-to-audio. Репозиторий содержит веса PyTorch. Лицензия CC-BY-NC-SA-4.0 требует указания авторства и распространяет производные работы на тех же условиях, с ограничением некоммерческого использования. Описание точных параметров контекста и количественных оценок качества в предоставленных данных нет.

Fun-Audio-Chat-8B — большая аудиоязыковая модель семейства FunAudioChat, предназначенная для естественных голосовых взаимодействий с низкой задержкой. В карточке Hugging Face указаны архитектура FunAudioChatForConditionalGeneration, около 8 млрд параметров и формат safetensors; модель работает с английским и китайским языками. Модель поддерживает ответы на вопросы по аудио, понимание речи, выполнение речевых инструкций и вызов функций голосом, а также взаимодействия с эмпатичной речью. В ней используются представления речи с двумя разрешениями: общий тракт с частотой 5 Гц и уточняющая часть на 25 Гц. Авторы заявляют о снижении вычислительных затрат при сохранении качества речи и сильных результатах в аудиобенчмарках. Для инференса в README указано около 24 ГБ видеопамяти; обучение требует четырёх GPU по 80 ГБ. Модель распространяется по лицензии Apache-2.0.

ThatsGroes/gemma-2-27b-it-SkoleGPT — дообученная разговорная модель ThatsGroes на архитектуре Gemma 2. Она создана на базе unsloth/gemma-2-27b-it и предназначена для генерации текста и диалогов. В модели 27,6 млрд параметров, она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Для обучения использовались Unsloth и библиотека TRL. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальные задачи SkoleGPT, поэтому её назначение можно определить только как генерацию текста и ведение диалогов; отдельные сведения о качестве и ограничениях дообучения не приводятся.

Gemma-2-9b-it-tr — дообученная модель neuralwork на базе google/gemma-2-9b-it. Она обучена на отобранном и вручную отфильтрованном наборе из 55 тысяч турецких примеров вопросов и ответов и диалогов. Модель предназначена для генерации текста на турецком языке, в частности для диалога и ответов на вопросы. Это плотная авторегрессионная модель семейства Gemma 2 с 9 млрд параметров, рассчитанная на текстовый ввод и генерацию текста. Контекстное окно составляет 8192 токена; модель загружается через Transformers, веса представлены в формате safetensors. Лицензия — Gemma.

GRMR-V3-G4B — модель коррекции грамматики от qingy2024, дообученная на Gemma 3 4B. Она исправляет грамматические ошибки, пунктуацию, орфографию и структуру предложений на английском языке. Модель принимает текст и возвращает исправленный вариант; карточка описывает специализированный чат-шаблон, который отделяет исходный текст от ответа. Модель обучена полным дообучением параметров на 60 тысячах пар исходного и исправленного текста из набора qingy2024/grmr-v4-60k. В метаданных указана мультимодальная архитектура Gemma 3 для обработки изображений и текста, однако описанное назначение этой версии — коррекция текста. Лицензия — Apache-2.0. Модель может испытывать трудности с узкоспециализированными текстами, нестандартным английским и контекстно-зависимыми грамматическими правилами. Она может внести ошибки или изменить смысл; её основная цель — грамматическая корректность, а не стилистическая редактура.

yj2773/hinglish11k-sentiment-analysis — модель классификации текста на базе BERT, представленная разработчиком yj2773. Она предназначена для определения тональности текста на хинглише — смеси хинди и английского, в том числе для анализа пользовательских отзывов и сообщений. Модель содержит 205,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метку классификации. Репозиторий содержит веса PyTorch и Safetensors; лицензия — AFL-3.0. Модель ориентирована на тональность хинглиша. Метаданные также отмечают английский, хинди и урду, но не подтверждают одинаковое качество на каждом из этих языков. README не содержит дополнительных сведений о качестве или методике оценки.

Hunyuan-MT-Chimera-7B-i1-GGUF — это набор квантизированных GGUF-версий модели Hunyuan-MT-Chimera-7B, разработанной Tencent и опубликованной пользователем mradermacher. Репозиторий предназначен для запуска модели в средах, поддерживающих формат GGUF, а также для создания собственных квантованных вариантов с использованием файла imatrix. Модель ориентирована на задачи машинного перевода и поддерживает широкий набор языков, включая китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, немецкий, итальянский, вьетнамский, украинский и другие. Точный размер контекста, архитектура и сведения о мультимодальности в README не указаны; из названия базовой модели следует размер около 7 миллиардов параметров. Доступно множество вариантов квантования от i1-IQ1_S до i1-Q6_K размером примерно от 1,9 до 6,3 ГБ. Они позволяют выбирать компромисс между требованиями к памяти, скоростью и качеством; в README отдельно отмечены низкое качество некоторых малых вариантов и рекомендации по i1-Q4_K_M и i1-Q4_K_S как сбалансированным версиям. Лицензия модели в предоставленных данных не указана.

Ichigo-llama3.1-s-instruct-v0.3-phase-3 — языково-звуковая модель от Homebrew Research на архитектуре Llama 3.1 с 7,5 млрд параметров. Она принимает текст и звук и выдаёт текст; контекст составляет 131 072 токена. Модель дообучена на основе homebrewltd/Ichigo-llama3.1-s-instruct-v0.3-phase-2 для улучшения взаимодействия с пользователем, в частности обработки неслышимых входов и многоходовых диалогов. Модель предназначена для понимания звука и текста, включая диалоговые сценарии; README приводит результаты оценок MMLU и AudioBench. Основной язык — английский. Лицензия Apache-2.0. Карточка не уточняет, какие именно типы аудио поддерживаются и как обрабатываются неслышимые входы; опубликованные оценки не гарантируют качество на других данных и сценариях.

ayameRushia/indobert-base-uncased-finetuned-indonlu-smsa — модель на базе BERT, дообученная на датасете IndoNLU для классификации текста на индонезийском языке. Она предназначена для анализа тональности и классификации коротких сообщений; в README приведены результаты на тестовой выборке: accuracy 0,9302 и F1 0,9066. Модель содержит 137,8 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и Safetensors. Лицензия — MIT.

ITT-AF/ITT-Yi-Ko-6B-v3.0 — дообученная языковая модель, созданная на основе beomi/Yi-Ko-6B на пользовательском наборе данных. Это плотная авторегрессионная модель семейства Llama с 5,9 млрд параметров, предназначенная для генерации текста. Веса опубликованы в формате safetensors; модельный репозиторий создан 31 января 2024 года. Карточка не описывает состав обучающего набора, конкретные сценарии применения, результаты оценки или специальные языковые возможности. Указаны контекст длиной 2048 токенов и лицензия CC BY-NC 4.0, которая ограничивает использование некоммерческими условиями.