III.4Клиентская поддержка и customer success

YamshadowStrangemerges_32_Inex12Yam — слитая языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она объединяет automerger/YamshadowStrangemerges_32-7B и automerger/Inex12Yam-7B и предназначена для генерации текста; модель можно применять для диалогов, написания черновиков и продолжения текста. Поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель доступна по лицензии Apache-2.0. В карточке не описаны специализация, целевые языки и результаты оценки качества, поэтому её возможности за пределами генерации текста не следует считать подтверждёнными.

ZharfaOpen-0309 — дообученная на базе архитектуры Mistral языковая модель ZharfaTech для диалогов и выполнения инструкций, ориентированная прежде всего на персидский язык. Модель с плотной архитектурой содержит 7,1 млрд параметров, принимает текст и генерирует текст; поддерживает контекст длиной до 8192 токенов и формат диалога ChatML. В карточке указаны персидский и английский языки, а среди обучающих данных — наборы ZharfaTech на персидском языке для диалогов, инструкций и задач рассуждения. Модель подходит для персидскоязычных чат-ботов, ответов на вопросы и выполнения пользовательских инструкций. README заявляет высокое качество для открытых персидских LLM, но результаты бенчмарков пока не приведены. Ответы могут отражать смещения обучающих данных и требуют проверки. Веса опубликованы в формате safetensors под лицензией Apache-2.0.

ShenaoZ/0.001_ablation_4iters_bs256_decalpha_iter_1 — дообученная авторами репозитория модель Mistral для генерации текста и общения в диалоговом формате. Она основана на HuggingFaceH4/mistral-7b-sft-beta и дообучена на наборе HuggingFaceH4/ultrafeedback_binarized; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В метаданных указана лицензия MIT. README не содержит подробных сведений о назначении, оценке качества или ограничениях; по описанию базовой модели можно ориентироваться на ответы на вопросы и общение на английском языке.

AfriGuardPlain-AfriqueQwen3.5-4B-50Langs-Instruct-v1-lora-merged — чат-модель семейства Qwen 3.5 с плотной архитектурой и 4 млрд параметров, созданная McGill-NLP и дообученная автором репозитория adzcai методом LoRA, после чего веса адаптера объединены с базовыми. Модель дообучена на AfriGuard-plain — версии набора AfriGuard без инструкций по безопасности в системном сообщении. На безопасные запросы она должна давать полезные ответы, а на небезопасные — кратко отказывать; метки безопасности в ответе не ожидаются. Модель предназначена для диалоговой генерации текста с поведением отказа на небезопасные запросы, в том числе на языках Африки. README указывает, что при обучении использовался шаблон чата базовой модели, один цикл обучения и функция потерь только на ответах. Метаданные подтверждают задачу text-generation, поддержку чата и формат safetensors. Модель опубликована по лицензии CC BY 4.0. Языковое название базовой модели заявляет 50 языков, однако доступные теги перечисляют только часть поддерживаемых языков, поэтому полный список подтвердить нельзя.

MrDragonFox/apple-ferret-7b-merged — готовая к запуску объединённая текстовая модель семейства Llama, опубликованная пользователем MrDragonFox. Она предназначена для генерации текста; карточка не описывает специальные сценарии применения или особенности обучения. По метаданным, модель содержит 6,6 млрд параметров, имеет плотную архитектуру LlamaForCausalLM и контекст длиной 2048 токенов. Репозиторий содержит веса PyTorch. Язык модели, её сильные стороны и лицензия в доступных данных не раскрыты.

CAMeLBERT MSA SA — модель анализа тональности, разработанная CAMeL Lab путём дообучения CAMeLBERT для современного стандартного арабского языка (MSA). Она классифицирует арабские предложения по тональности; модель можно использовать через компонент SentimentAnalyzer в CAMeL Tools или через pipeline библиотеки Transformers. Модель построена на архитектуре BERT и содержит 136,3 млн параметров. Она принимает текст на арабском языке, поддерживает контекст до 512 токенов и выдаёт метки тональности, в том числе positive и negative. При дообучении использовались наборы данных ASTD, ArSAS и SemEval. Модель распространяется по лицензии Apache-2.0. Описание не приводит результатов оценки качества или перечня известных ошибок; применение за пределами современного стандартного арабского языка не подтверждено.

pysentimiento/bert-it-sentiment — модель классификации текста от команды pysentimiento на основе BERT, предназначенная для анализа тональности на итальянском языке. Она выдаёт метку класса для входного текста; в Hugging Face указаны задача text-classification, архитектура BertForSequenceClassification, около 137,1 млн параметров и контекст до 512 токенов. Модель можно применять для определения тональности итальянских сообщений, отзывов и публикаций в социальных сетях. Карточка демонстрирует использование через Transformers и PyTorch, но подробностей об обучающих данных, классах тональности, качестве и лицензии не содержит. Это специализированный классификатор, поэтому он не предназначен для генерации текста.

Druidchoi дообучил эту плотную языковую модель на архитектуре Llama 3 от MLP-KTLim/llama-3-Korean-Bllossom-8B. Модель содержит 7,5 млрд параметров, принимает текст и предназначена для диалогов и генерации текста; в метаданных указано контекстное окно 8192 токена. Модель доступна в формате PyTorch под лицензией Apache-2.0. Карточка сообщает об обучении с использованием Unsloth и TRL, но не описывает конкретный набор данных, результаты оценки или дополнительные специализированные возможности. Базовая модель рассчитана на корейский и английский языки; карточка этой версии не подтверждает отдельно её языковое покрытие.

CabraMistral-v3-7b-32k — разговорная языковая модель, созданная командой Cabra Robotics путём дообучения Mistral 7B Instruct v0.3 на внутреннем наборе Cabra12k. Модель построена на архитектуре Mistral с Grouped-Query Attention, Sliding-Window Attention и токенизатором Byte-fallback BPE; содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель оптимизирована для португальского языка и предназначена для диалогов и генерации ответов на текстовые запросы. В README приведены результаты оценки на португалоязычных тестах Open Portuguese LLM Leaderboard. Репозиторий содержит веса safetensors; автор также упоминает квантизованные варианты GGUF в отдельной ветке. Модель распространяется по лицензии Apache-2.0. Качество и фактическая эффективность зависят от задачи; данные обучения Cabra12k описаны как внутренние, а подробности набора в карточке не приведены.

chimera-ggobugi-solar-v1 — текстовая генеративная модель, созданная объединением трёх моделей Solar с помощью LazyMergekit и метода model_stock. В конфигурации указаны chihoonlee10/T3Q-ko-solar-dpo-v7.0, MoaData/Myrrh_solar_10.7b_3.0 и freewheelin/free-solar-evo-v0.11; базовой моделью конфигурации названа chihoonlee10/T3Q-ko-solar-dpo-v7.0. Модель имеет плотную архитектуру LlamaForCausalLM и около 10,6 млрд параметров. Она предназначена для генерации текста; описание базовой модели Free Solar Evo указывает на работу с корейским и английским языками. В метаданных указан контекст до 4096 токенов, а веса опубликованы в формате safetensors. README не приводит примеров качества или специализированных сценариев применения. Условия лицензии в предоставленных данных не указаны.

Chupacabra-7B-v2 — чат-модель Ray Hernandez на архитектуре Mistral, созданная слиянием весов моделей на базе Mistral методом SLERP. Разработчик сообщает, что при подготовке объединялись модели, обученные с применением SFT, DPO и других методов, однако точный состав слияния не приведён. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленный родной контекст — 32 768 токенов. В карточке указан английский язык и лицензия Apache 2.0. Модель предназначена для диалоговой генерации текста и ответов на запросы. Карточка приводит отдельные результаты Open LLM Leaderboard, но не описывает обучающие данные, полные метрики, ограничения или рекомендуемые сценарии применения. Поэтому качество в конкретных задачах и поведение модели требуют самостоятельной проверки.

DACNova — диалоговая языковая модель, разработанная M.INC. Research в рамках Little DAC Collection. Это авторегрессионный Transformer с архитектурой Qwen2 и примерно 404,5 млн параметров; модель рассчитана на генерацию текста, следование инструкциям и многоходовые беседы. Контекст составляет до 32 768 токенов, модель работает с текстом на итальянском языке и может использоваться через Transformers в чат-ботах, системах вопросов и ответов, виртуальных репетиторах и приложениях с ограниченными вычислительными ресурсами. В карточке заявлены связность диалога, базовое рассуждение и эффективность инференса. Модель уступает более крупным системам в сложных многоэтапных рассуждениях, может воспроизводить смещения обучающих данных и не предназначена для медицинских, юридических или иных критически важных решений без контроля человека. Подробности о данных и обучающем конвейере раскрыты не полностью. Лицензия — MIT.

trinhkhng/della_Merged_Qwen2-0.5B_0.5 — объединённая языковая модель на архитектуре Qwen2, созданная методом DELLA с помощью mergekit. В качестве основы использована Qwen2-0.5B, объединённая с debias_Qwen2-0.5B; в метаданных указано около 494 млн параметров и формат safetensors. Модель предназначена для генерации текста и диалогового взаимодействия, а контекстное окно составляет до 131 072 токенов. Модель может использоваться для генерации продолжений текста и ответов в чате. README не сообщает результатов оценки качества или конкретных преимуществ объединения. Лицензия в предоставленных данных не указана.

Это дообученная модель семейства DeBERTa для определения эмоций в японском тексте. Она относит текст к одному из восьми независимых эмоциональных классов: радость, грусть, предвкушение, удивление, гнев, страх, отвращение и доверие; для каждого класса возвращает метку и оценку уверенности. Модель предназначена для анализа эмоциональной окраски отдельных текстов или наборов текстов, в том числе для пакетной обработки через Python. Модель использует архитектуру DeBERTa V2 с классификационной головой, содержит около 451,8 млн параметров и принимает последовательности длиной до 512 токенов. Результаты можно получать для одной строки, списка строк или pandas Series; выход представлен метками и оценками по восьми эмоциям. Для работы требуются PyTorch, Transformers и pandas. Лицензия — CC BY-SA 4.0.

Discord-Micae-Hermes-3-8B-i1-GGUF — квантизированная GGUF-версия модели Discord-Micae-Hermes-3-8B, разработанной на базе mookiezi/Discord-Micae-Hermes-3-8B и датасета mookiezi/Discord-Dialogues. Квантизацию выполнил mradermacher. Модель предназначена для генерации текста, инструкций и диалогового общения, в частности для сценариев, связанных с сообщениями в Discord и conversational AI. Это текстовая авторегрессионная causal language model семейства Llama 3 с архитектурой Hermes, примерно 8 млрд параметров. Указан основной язык English; поддержка других языков, мультимодальность и размер контекстного окна в README не заявлены. Модель распространяется в нескольких вариантах GGUF-квантизации с разным соотношением размера, скорости и качества; доступны варианты от IQ1_S до Q6_K. В README отмечается, что i1-Q4_K_M является быстрым и рекомендуемым вариантом, а i1-Q4_K_S предлагает сбалансированный размер, скорость и качество. К сильным сторонам относятся специализация на диалоговом стиле, открытые веса и возможность запуска через совместимые инструменты для GGUF. Ограничения связаны с потерями качества при низкобитных вариантах квантизации, причём наиболее компактные варианты могут давать существенно худшие результаты. Данные о точности, тестах, безопасностных ограничениях и максимальном контексте отсутствуют. Лицензия указана как Llama 3.

Это англоязычная модель для классификации текста, разработанная пользователем echarlaix на основе distilbert/distilbert-base-uncased-finetuned-sst-2-english. Модель экспортирована в формат OpenVINO и предназначена прежде всего для определения тональности англоязычных текстов по датасету SST-2, например для анализа отзывов, комментариев и других коротких высказываний. Архитектура основана на DistilBERT; точный размер модели, длина контекста и перечень поддерживаемых модальностей в README не указаны. Модель работает с текстом на английском языке и относится к задачам text classification. На проверочной выборке GLUE SST-2 заявлены accuracy 0,9106, precision 0,8978, recall 0,9302, F1 0,9137 и AUC 0,9717. Эти показатели характеризуют результаты на конкретном наборе данных и не гарантируют аналогичную точность в других предметных областях. Модель распространяется по лицензии Apache-2.0. Ключевое преимущество — компактная DistilBERT-основа и поддержка OpenVINO, что может быть полезно для эффективного развертывания на совместимом оборудовании. Ограничения связаны с узкой специализацией на английской классификации тональности и возможным снижением качества на текстах, жанрах или языках, отличающихся от данных SST-2; сведения о дополнительных ограничениях и условиях эксплуатации в README отсутствуют.

databoyface/distilroberta-base-omemoji-v0.1 — англоязычный классификатор эмоций, созданный дообучением distilbert/distilroberta-base на наборе OMEmoji. Модель на архитектуре RoBERTa с классификационной головой относит текст к 10 категориям эмоциональных состояний, включая доверие или любовь, радость, зависть, стыд или вину, гнев или отвращение, страх или тревогу, грусть или травму, а также нейтральные и простые позитивные или негативные случаи. Модель предназначена для классификации эмоциональной окраски англоязычных примеров по системе Orthogonal Model of Emotions. В карточке указаны 95,2 млн параметров и контекст до 514 токенов; на оценочном наборе приведены accuracy 0,9549 и loss 0,1496. Это бета-версия, поэтому качество и пригодность результатов для конкретных данных следует проверять. Модель распространяется по лицензии MIT.

clinno/eightwords-241112-mt — это диалоговая модель генерации текста на архитектуре Llama, дообученная разработчиком на наборах identity и eightwords-241112. Она предназначена для многоходовых бесед и продолжения текста. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. В карточке указана оценка Loss 0,9320 на наборе оценки, но подробности методики и результаты для практических сценариев не приведены. Модель основана на clinno/eightwords-20241112, распространяется в формате safetensors через Transformers; лицензия обозначена как other.

EkmanClassifier — модель классификации текста, опубликованная пользователем Hugging Face Arpan Ghoshal. Она относит текст к шести базовым эмоциям по модели Пола Экмана: радости, грусти, гневу, страху, отвращению и удивлению. Модель построена на архитектуре BERT, содержит 135,5 млн параметров и принимает текст длиной до 512 токенов. Модель подходит для определения эмоциональной окраски коротких текстов, например сообщений и отзывов. В README для запуска предлагается библиотека Transformers и pipeline sentiment-analysis; задача в метаданных указана как text-classification. Модель опубликована под лицензией MIT. В карточке указано обучение на датасете GoEmotions, однако README описывает только шесть категорий Экмана. Поэтому классификатор не следует считать полноценным анализатором всех эмоций или универсальным инструментом для выявления настроения; данные не подтверждают поддержку языков помимо английского.

Emo-AI-3B — языковая модель Klevin для генерации текста, созданная дообучением Gemma на базе unsloth/gemma-2b-bnb-4bit. Она использует плотную архитектуру GemmaForCausalLM и содержит 2,5 млрд параметров; заявленная длина контекста — 8192 токена. Модель предназначена для текстовых запросов и генерации ответов или продолжений текста. Модель дообучали с использованием Unsloth и библиотеки TRL. Карточка не описывает специализацию, обучающие данные или результаты оценки, поэтому применимость к конкретным задачам и качество ответов по ним не подтверждены. Указана лицензия Apache-2.0.

ssmits/Falcon2-8B-Danish — языковая модель семейства Falcon, созданная с помощью mergekit методом passthrough из ssmits/Falcon2-5.5B-Danish. Она предназначена для генерации текста и диалогового взаимодействия на датском языке. Модель имеет плотную архитектуру FalconForCausalLM, содержит 11,8 млрд параметров и поддерживает контекст до 8192 токенов. Модель можно использовать для генерации ответов и продолжения текста в датских диалоговых сценариях. Метаданные также указывают поддержку ответов на вопросы, классификации текста и токенов; отдельной оценки качества этих задач в карточке нет. Модель загружается через Transformers, веса представлены в формате safetensors. Условия лицензии в предоставленных данных не приведены.

YeungNLP/firefly-qwen-7b — модель Qwen-7B, дообученная в рамках проекта Firefly на более чем миллионе примеров многоходовых диалогов. В обучающие данные вошли набор moss, опубликованный проектом, и 20 тысяч примеров по школьной математике. Модель предназначена для генерации текста в формате одноходового и многоходового диалога, включая ответы на вопросы и решение школьных математических задач. Это плотная модель семейства Qwen с архитектурой QWenLMHeadModel и примерно 11,4 млрд параметров; заявленный контекст — 8192 токена. Репозиторий содержит веса PyTorch. Карточка не сообщает лицензию. Качество может зависеть от темы и формулировки запроса; данные об обучении указывают на диалоговый и школьный математический фокус, поэтому возможности за пределами этих сценариев не следует считать подтверждёнными.

FLAMA 0.5 — небольшая чат-модель на 3,3 млрд параметров, разработанная для общения на каталонском и испанском языках. Она создана дообучением OpenLLaMA 3B v2 на автоматически переведённых инструкциях OpenAssistant v2, оформленных в шаблоне ChatML; архитектура модели относится к семейству LLaMA. Модель принимает текстовые запросы и генерирует текст, а её максимальный контекст составляет 2048 токенов. FLAMA подходит для диалогов, ответов на вопросы и выполнения инструкций на каталонском и испанском; в метаданных также отмечен английский язык. README указывает на улучшение каталонского и добавление испанского в версии 0.5. Модель распространяется по лицензии Apache-2.0. Карточка сообщает о результатах оценки на нескольких бенчмарках, но не даёт оснований считать их гарантией качества в прикладных задачах.

Cedille/fr-boris — авторегрессионная языковая модель Cedille AI на 6 млрд параметров с архитектурой GPT-J. Модель обучена на примерно 78 млрд токенов французского текста из датасета C4; обучение начиналось с GPT-J, предварительно обученной на The Pile. Используется исходный токенизатор GPT-2. Модель предназначена для генерации текста, прежде всего на французском языке, и сохраняет хорошие возможности для английского. Контекст составляет 2048 токенов. Запуск в производственной среде может быть затратным из-за размера модели. Лицензия — MIT.

French-Alpaca-Phi-3-mini-4k-instruct-beta — франкоязычная чат-модель, разработанная Jonathan Pacifico в 2024 году и дообученная на базе microsoft/Phi-3-mini-4k-instruct. Это плотная авторегрессионная модель семейства Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов. Данные для дообучения — French-Alpaca-dataset-Instruct-110K, полностью сгенерированный с помощью GPT-3.5-turbo. Модель предназначена для диалогов и генерации текста на французском языке; её можно использовать как общую франкоязычную основу для дальнейшей специализации. Карточка также отмечает поддержку английского. Модель не имеет механизмов модерации, поэтому ответы могут включать неподходящий контент. Лицензия — MIT.

Metin разработал Gemma-2-9b-it-TR-DPO-V1 — дообученную диалоговую языковую модель на 9 млрд параметров, основанную на google/gemma-2-9b-it. Модель использует плотную архитектуру Gemma 2 и предназначена для генерации текста и ответов на инструкции на турецком языке. Контекстное окно составляет 8192 токена. Модель обучена методом DPO с QLoRA на синтетическом наборе из 10 тысяч примеров предпочтений. По сравнению с базовой моделью она нацелена на более связные, беглые и подробные ответы по-турецки; README приводит результаты нескольких турецких бенчмарков. Она подходит для диалога, ответов на вопросы и генерации развернутых ответов на инструкции. Модель распространяется под лицензией Gemma. Она может выдавать ошибочные или бессмысленные ответы, поэтому результаты следует проверять перед использованием.

gemma3-it-Turkish — дообученная на диалоговых данных модель Google Gemma 3 12B IT, опубликованная пользователем ykt-arge. README указывает, что обучение выполнено с помощью TRL; метаданные описывают модель как чат-модель с поддержкой изображений. Она предназначена для диалога и генерации ответов на текстовые инструкции, а также для сценариев, где требуется понимать изображения и отвечать на вопросы о них. Базовая модель содержит 12 млрд параметров. В README приведён пример генерации ответа на вопрос на английском языке, однако обучение и назначение модели ориентированы на турецкий. В метаданных указана библиотека Transformers, файлы представлены в формате safetensors. Лицензия и размер контекстного окна в предоставленных данных не указаны.

lemon-mint/gemma-ko-1.1-2b-it — языковая модель на архитектуре Gemma, созданная объединением предварительно обученных моделей с помощью метода SLERP через mergekit. В объединение вошли google/gemma-1.1-2b-it, google/gemma-2b и beomi/gemma-ko-2b. Модель содержит 2,5 млрд параметров и рассчитана на генерацию текста и диалоговое использование; доступный контекст составляет 8192 токена. Модель подходит для ведения диалогов и генерации ответов на текстовые запросы. Наличие корейской базовой модели указывает на ориентацию на корейский язык, однако README не приводит оценки качества или подробностей о языковой поддержке. Модель распространяется по лицензии Gemma; применимость лицензии и её условия следует учитывать при использовании.

vicgalle/gpt2-alpaca-gpt4 — англоязычная генеративная модель на архитектуре GPT-2, обученная следовать инструкциям на наборе vicgalle/alpaca-gpt4. Она предназначена для генерации ответов на текстовые запросы, включая простые творческие задания и выполнение инструкций. В карточке приведены примеры генерации и результаты оценки на Open LLM Leaderboard. Модель принимает текст и выдаёт текст. Её контекст составляет 1024 токена; доступны веса в форматах PyTorch, Safetensors и ONNX. Лицензия — MIT. Результаты тестов и примеры не гарантируют качество ответов на произвольных запросах; опубликованные примеры показывают, что ответы могут быть общими и не всегда точно описывать возможности модели.

Hemmingway-1-heretic — англоязычная чат-модель для повседневного письма, художественных текстов и ролевых сценариев. Её выпустил Richard Young / DeepNeuro как версию Altworld/Hemmingway-1, обработанную методом abliteration с Heretic v2.0.0.dev0: этот метод изменяет веса, чтобы уменьшить склонность модели отказывать в ответах, без повторного обучения. Модель содержит 22,3 млрд параметров по метаданным; README исходной карточки указывает 27 млрд. Архитектура — плотная Qwen3.5-текстовая, формат весов — Safetensors, контекст — до 262 144 токенов. Модель предназначена для составления сообщений и писем, художественного письма и ролевых диалогов. Карточка сообщает, что в тесте отказов Heretic-версия отказала в 4 из 100 запросов против 89 из 100 у исходной модели; это характеристика конкретной оценки, а не гарантия поведения. Указаны чат-возможности и английский язык. Лицензия CC BY-NC 4.0 разрешает использование только на некоммерческих условиях; модель может отвечать на запросы, которые исходная версия отклоняла.