III.4Клиентская поддержка и customer success

NepaliGPT-2.0 — языковая модель PrinceLab Pvt. Ltd., дообученная на базе meta-llama/Llama-3.1-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Метаданные отмечают английский и непальский языки, однако карточка также указывает английский как язык модели, поэтому её специализация на непальском по доступным сведениям не подтверждена. Модель распространяется по лицензии MIT.

Kukedlc/NeuralGemma2-2b-Spanish — компактная текстовая диалоговая модель, созданная разработчиком Kukedlc объединением моделей Google Gemma 2 и Gemma-2-2B-Spanish-1.0 методом DARE-TIES с помощью LazyMergekit. Она предназначена для генерации текста и ответов в чате на испанском языке. Модель построена на архитектуре Gemma 2 с плотной causal language model, содержит 2,7 млрд параметров и принимает контекст до 8192 токенов. Репозиторий содержит веса Safetensors; в конфигурации слияния указана точность float16. Модель распространяется по лицензии Apache 2.0. Компактный размер позволяет использовать её для испаноязычных диалоговых сценариев с ограниченными вычислительными ресурсами. Карточка не приводит оценки качества или подробных ограничений, поэтому пригодность для конкретных задач стоит проверять на собственных примерах.

Nusantara-4b-Indo-Chat — языковая модель Kalis AI для диалогов на индонезийском языке. Это дообученная на тематических наборах данных плотная decoder-only модель семейства Qwen2 с 3,6 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и генерирует текст. Модель предназначена для ответов на вопросы и выполнения инструкций на индонезийском языке; также поддерживает английский. Её можно применять в чат-ботах и для диалогового взаимодействия с пользователем. Карточка указывает на обучение с использованием в том числе uncensored-данных, поэтому возможны нежелательные ответы, смещения и другие риски. Лицензия — Apache-2.0; README также требует соблюдать лицензию Qwen.

trinhkhng/nuslerp_Merged_gpt2-medium_0.3 — языковая модель для генерации текста на базе GPT-2 Medium, созданная с помощью mergekit методом NuSLERP. В слияние вошли gpt2-medium и debias_gpt2-medium с весами 0,7 и 0,3 соответственно; для токенизатора использован ComCom/gpt2-small. Модель построена на архитектуре GPT2LMHeadModel и распространяется в формате safetensors. Модель предназначена для продолжения текста и других сценариев генерации по текстовому промпту. Максимальная длина контекста составляет 1024 токена. Карточка не описывает отдельные языки или прикладные области, поэтому не следует приписывать модели специализированные языковые навыки. Лицензия в предоставленных данных не указана.

Helsinki-NLP/opus-mt-it-uk — модель машинного перевода из семейства OPUS-MT, разработанного Helsinki-NLP. Это плотная модель архитектуры MarianMT на базе Transformer-align с 57,1 млн параметров, предназначенная для перевода с итальянского на украинский и обратно? По карточке указано направление только с итальянского на украинский, поэтому её следует использовать для перевода с итальянского на украинский. Модель нормализует текст и применяет SentencePiece с моделями токенизации по 32 тыс. элементов. В метаданных указан контекст 512 токенов. Для тестового набора Tatoeba-test.ita.ukr в карточке приведены BLEU 45,9 и chr-F 0,657. Поддерживаются форматы PyTorch и TensorFlow. Модель подходит для перевода фраз и текстов общего назначения с итальянского на украинский. Она специализирована на одной языковой паре и одном направлении; качество может зависеть от тематики текста и отличаться от результатов на указанном тестовом наборе. Лицензия — Apache-2.0.

OPUS-MT — модель машинного перевода проекта Helsinki-NLP для перевода с итальянского на английский. Она построена на архитектуре Transformer big и реализована как MarianMT; модель обучена на данных OPUS с использованием конвейера OPUS-MT-train, включая обратный перевод. Токенизация выполняется SentencePiece с словарями spm32k для обоих языков. Модель предназначена для перевода предложений и текстов с итальянского языка на английский. В карточке приведены результаты на наборах Tatoeba, FLORES-101 и Newstest2009. Число параметров — 156,4 млн, длина контекста — 1024 токена. Доступны веса PyTorch и TensorFlow; модель конвертирована из Marian в формат Transformers. Лицензия — CC BY 4.0. Качество зависит от тематики и стиля исходного текста; модель настроена на направление итальянский—английский и не предназначена для перевода в обратном направлении.

TheBigBlender/Orca2myth7.2 — слитая языковая модель, созданная ShotMisser64 методом mergekit. В ней объединены слои Orca2flat и PygmalionAI/mythalion-13b; автор отмечает сочетание понимания Orca 2 со стилем диалога Pygmalion и согласованностью Mythalion. Архитектура — плотная Llama для генерации текста, размер — 19,8 млрд параметров, контекст — 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса Safetensors; лицензия указана как other, а README просит соблюдать лицензии исходных моделей. Сведения о конкретной лицензии объединённой модели и поддерживаемых языках не приведены.

palmer-003 — небольшая языковая модель общего назначения от appvoid, представленная как попытка создать компактную универсальную модель. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 1 млрд параметров; в карточке указаны чат-возможности и шаблон взаимодействия «Query / Answer». Поддерживаются английский, испанский и французский языки. Контекст составляет 2048 токенов; доступны форматы Safetensors и GGUF. Модель предназначена для генерации текста и диалоговых сценариев, где важны компактный размер и короткий контекст. README не сообщает результаты оценки качества. Лицензия — Apache-2.0.

Pantheon-RP-1.6.2-22b-Small-GGUF — это квантизированная GGUF-версия текстовой генеративной модели Pantheon-RP-1.6.2-22b-Small, разработанной Gryphe и подготовленной в виде квантизаций пользователем bartowski. Модель содержит около 22 миллиардов параметров, ориентирована на англоязычные запросы и использует формат GGUF для запуска через llama.cpp и совместимые приложения, включая LM Studio. Архитектура базовой модели и максимальная длина контекста в README не указаны. Модель предназначена прежде всего для диалогов, instruct-сценариев и roleplay, включая создание ответов в заданном стиле и поддержание ролевого взаимодействия. Доступны варианты от F16 до различных Q8, Q6, Q5, Q4, Q3 и IQ-квантизаций, что позволяет выбирать между качеством, размером файла и требованиями к памяти; наиболее сбалансированные варианты Q4–Q6 отмечены как рекомендуемые. Версии Q4_0_4_4, Q4_0_4_8 и Q4_0_8_8 оптимизированы для ARM, но имеют ограничения по совместимости. Для использования рекомендуется формат prompt <s>[INST] {prompt}[/INST>. Лицензия указана как MRL-0.1 от Mistral AI; конкретные ограничения и условия следует уточнять в тексте лицензии.

Карточка модели ihughes15234/phi35_tictactoe_dpo6epoch_v2 на Hugging Face совпадает с карточкой ihughes15234/phi35_tictactoe_dpo1epoch_v5, поэтому описание составлено по ней. ihughes15234/phi35_tictactoe_dpo1epoch_v5 — языковая модель на 3,7 млрд параметров, дообученная разработчиком ihughes15234 на основе ihughes15234/phi_3_5_mini_tictactoe1200. Модель предназначена для диалогов и генерации текста; в карточке указаны архитектура LlamaForCausalLM и контекст до 4096 токенов. Модель работает с текстом и рассчитана на английский язык. README сообщает об обучении с использованием Unsloth и библиотеки TRL. Репозиторий распространяется по лицензии Apache-2.0.

PhoGPT-4B-Chat — разговорная языковая модель семейства PhoGPT, разработанная для работы с вьетнамским языком. Модель создана дообучением PhoGPT-4B на 70 тысячах инструкционных примеров и 290 тысячах диалогов. Базовая PhoGPT-4B обучена с нуля на вьетнамском корпусе объёмом 102 млрд токенов и имеет 3,7 млрд параметров; длина контекста составляет 8192 токена. Архитектура — MPT с плотной causal language model. Модель предназначена для генерации ответов в диалоге и выполнения инструкций на вьетнамском языке. Её можно применять для создания чат-ботов, ответов на вопросы и генерации текста. Репозиторий содержит веса PyTorch, предусмотрен интерфейс чата. Лицензия — BSD 3-Clause.

fpadovani/ppt-wc-uniform-newlex-66-eng-100mb_seed12 — дообученная модель семейства GPT-2, основанная на goldfish-models/eng_latn_100mb. Разработчик сообщает, что модель обучена с помощью TRL; метаданные указывают архитектуру GPT2LMHeadModel и формат safetensors. Модель предназначена для генерации текста на английском языке. В README приведён пример генерации продолжения по вопросу; указан контекст 512 токенов. Лицензия в предоставленных данных не описана.

ppt-wc-uniform-newlex-77-eng-100mb_seed12 — дообученная модель семейства GPT-2 от fpadovani, созданная на основе goldfish-models/eng_latn_100mb с использованием TRL. Она предназначена для генерации английского текста; пример в карточке показывает ответ на открытый вопрос в разговорном формате. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекст длиной 512 токенов. Лицензия в предоставленных данных не указана.

fpadovani/ppt-wc-uniform-newlex-eng-100mb_seed12 — дообученная модель семейства GPT-2, созданная на основе goldfish-models/eng_latn_100mb и обученная с помощью TRL. Она предназначена для генерации текста на английском языке; пример в карточке показывает ответ на открытый вопрос в диалоговом формате. Модель использует плотную архитектуру GPT2LMHeadModel, библиотеку Transformers и формат весов safetensors. Длина контекста составляет 512 токенов. Условия лицензии в предоставленных данных не описаны.

Модель francesca9805/ppt-wc-uniform-newlex-swe-before-100mb-packed-bfd_seed10 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации текста и может использоваться для получения продолжений и ответов на текстовые запросы через библиотеку Transformers. Модель имеет плотную архитектуру GPT-2 и контекстное окно 512 токенов; файлы весов представлены в формате safetensors. Базовая модель рассчитана на генерацию английского текста.

PsychoPomp-20B — объединённая модель генерации текста, созданная Elfrino с помощью mergekit из Elfrino/XwinXtended-20B и Undi95/MXLewd-L2-20B. Для слияния применён метод SLERP; архитектура — плотная LlamaForCausalLM на 19,8 млрд параметров, веса представлены в safetensors, библиотека запуска — Transformers. Модель принимает текст и генерирует текст, поддерживая контекст до 4096 токенов. Модель предназначена для генерации связных ответов и диалогового текста. Автор отмечает, что результат выглядит связным и проходит тестирование; карточка не описывает специализированные области применения или языки. Лицензия в предоставленных данных не указана.

Kukedlc/Qwen-2.5-7b-Spanish-o1-CoT — плотная причинная языковая модель семейства Qwen2 с 7,1 млрд параметров, опубликованная пользователем Kukedlc на Hugging Face. Модель предназначена для генерации текста в диалоговом формате; название указывает на ориентацию на испанский язык и стиль рассуждений, однако карточка не описывает обучение или подтверждённые языковые возможности. Модель использует Transformers и формат safetensors, поддерживает контекст до 32 768 токенов и имеет интерфейсы чата и вызова инструментов. В карточке приведены результаты Open LLM Leaderboard: средний балл 28,13, IFEval — 42,10, BBH — 36,86. Лицензия Apache 2.0. Подробности о разработчике, обучающих данных и ограничениях в README отсутствуют.

Qwen3-1.7B-reas-int-065 — дообученная модель генерации текста на основе Qwen/Qwen3-1.7B, представленная в формате safetensors и предназначенная для диалогового взаимодействия. Карточка не описывает конкретные дополнительные навыки или обучающие данные, поэтому назначение модели можно определить только как общее текстовое общение и генерацию. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Базовая Qwen3 — компактная многоязычная модель для генерации текста, диалогов, рассуждений, кода и выполнения инструкций, однако карточка не подтверждает, насколько хорошо эта версия справляется с отдельными задачами или какими языками располагает. Модель распространяется по лицензии Apache-2.0. Данные обучения и результаты оценки не описаны, поэтому качество и ограничения конкретного дообучения оценить нельзя.

Это дообученная модель GPT-2, созданная на основе francesca9805/rus-cyrl-100mb-ppt-Dp-10mb-packed-bfdiso_seed455 с использованием TRL. Она предназначена для генерации текста и ответов на текстовые запросы; в карточке показан пример диалога на английском языке. Модель использует архитектуру GPT2LMHeadModel и формат весов safetensors. Длина контекста составляет 512 токенов. Метаданные относят базовую модель к русскоязычным GPT-2 для генерации текста и ответов на текстовые запросы. Лицензия не указана в предоставленных источниках.

Модель fpadovani/rus-cyrl-10mb-ppt-Dp-10mb_seed455 — дообученная версия goldfish-models/rus_cyrl_10mb на базе архитектуры GPT-2. По карточке, обучение выполнено с помощью TRL; модель предназначена для генерации текста и демонстрирует диалоговый сценарий в примере запуска. Модель принимает текст и генерирует продолжение или ответ. Контекст составляет 512 токенов. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

RWKV-6 World 1.6B — языковая модель семейства RWKV-6, предназначенная для генерации текста. Карточка показывает примеры диалога с ассистентом на английском и китайском языках, а метаданные указывают на архитектуру Rwkv6ForCausalLM и размер около 1,7 млрд параметров. Модель можно использовать для диалоговых ответов и генерации текста на поддерживаемых языках. README содержит примеры запуска на CPU и GPU и пакетного инференса, но не приводит результаты для этих сценариев. Репозиторий содержит веса в формате PyTorch и помечен тегами Transformers и PyTorch. Лицензия и ограничения на использование в предоставленных данных не описаны.

SaBERT Spanish Sentiment Analysis — модель классификации текста на основе BERT, разработанная Azul Fuentes, Dante Reinaudo, Lucía Pardo и Roberto Iskandarani как дипломный проект по компьютерной инженерии в Университете Буэнос-Айреса. Она определяет положительную или отрицательную тональность испанского текста и подходит, например, для анализа отзывов и сообщений в социальных сетях. Модель дообучена на dccuchile/bert-base-spanish-wwm-uncased. Для обучения использовали 11 500 испаноязычных твитов из набора TASS; архитектура — BertForSequenceClassification с двумя классами. Метаданные указывают 137,1 млн параметров и контекст до 512 токенов, а в README указан предел длины входа 128 токенов. На оценочном наборе авторы сообщают accuracy и F1 86,47%. Модель предназначена для испанского текста и бинарного анализа тональности; качество на других языках, типах текста и задачах не подтверждено. Распространяется по лицензии Apache-2.0.

SambaLingo-Thai-Chat — чат-модель SambaNova Systems для диалога на тайском и английском языках. Она основана на SambaLingo-Thai-Base: эта базовая модель адаптирует Llama 2 к тайскому языку на корпусе Cultura-X. Чат-версия обучена методом direct preference optimization (DPO) для согласования ответов с предпочтениями людей. Модель использует плотную архитектуру Llama с причинно-следственной генерацией текста и содержит 6,7 млрд параметров. Она принимает текстовые запросы и генерирует текстовые ответы; длина контекста — 4096 токенов. Словарь токенизатора расширен с 32 000 до 57 000 токенов для поддержки тайского языка. Модель подходит для двуязычного чат-общения, но может галлюцинировать, переключаться между языками, повторяться и давать неточные ответы в задачах программирования и сложной математики; возможны токсичные ответы. Её не рекомендуют применять в критически важных сценариях и при принятии решений, влияющих на безопасность людей. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

Sarashina2.2-TTS — японско-английская система синтеза речи на основе большой языковой модели, разработанная SB Intuitions. Модель преобразует текст в речь и поддерживает генерацию голоса без дообучения по короткому аудиофрагменту-образцу, перенося тембр и манеру речи говорящего. Модель ориентирована прежде всего на японский язык, также синтезирует английскую речь и смешанные японско-английские фразы. Она рассчитана на озвучивание повествования, вещания, разговорной речи и клиентского обслуживания; архитектура основана на Llama, содержит около 670 млн параметров и поддерживает контекст до 8192 токенов. В метаданных указана базовая модель sbintuitions/sarashina2.2-0.5b-instruct-v0.1, на которой выполнено дообучение. Разработчик заявляет о высокой точности японского произношения, естественности, стабильности и переносе голоса между японским и английским. Для генерации с заданным голосом требуется аудиофрагмент-образец. Модель обучалась на лицензированных и иным образом законно полученных аудиоданных. Лицензия в предоставленных данных не указана.

KingNish/Smollm-135M-audio — компактная языковая модель, дообученная KingNish на базе HuggingFaceTB/SmolLM2-135M-Instruct. Это плотная архитектура семейства Llama с 141,6 млн параметров; модель предназначена для генерации текста и диалоговых сценариев на английском языке. Контекстное окно составляет 8192 токена. Модель сохранена в формате PyTorch и распространяется по лицензии Apache-2.0. В карточке указано, что при обучении использовались Unsloth и библиотека TRL. Название содержит слово «audio», однако в README и метаданных нет подтверждения аудиовхода или аудиовыхода, поэтому модель следует рассматривать как текстовую.

StrangeMerges_7-7B-slerp — объединённая языковая модель, созданная Gille методом SLERP с помощью LazyMergekit из Gille/StrangeMerges_6-7B-dare_ties и berkeley-nest/Starling-LM-7B-alpha. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров для генерации текста и диалоговых ответов; заявленная длина контекста — 32 768 токенов. Базовая модель Starling-LM-7B-alpha предназначена для англоязычных бесед и ответов, поэтому наиболее обоснованный сценарий — генерация и продолжение англоязычного диалога. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка описывает состав слияния и параметры объединения, но не приводит отдельные результаты оценки качества этой версии.

legionlm/strawberry-llama-3.2-3b — дообученная разговорная модель семейства Llama 3.2, разработанная legionlm на базе unsloth/llama-3.2-3b-instruct-bnb-4bit с использованием Unsloth и Hugging Face TRL. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и 3,2 млрд параметров, предназначенная для генерации текста и диалогов на английском языке. Заявленная длина контекста составляет 131 072 токена. Модель подходит для ответов в диалоге и генерации текста. В метаданных также отмечен интерфейс вызова инструментов, однако README не описывает специализированные сценарии или результаты оценки качества. Модель распространяется по лицензии Apache-2.0.

fpadovani/swe-latn-100mb-ppt-Dp-10mb_seed10 — дообученная модель семейства GPT-2 на базе goldfish-models/swe_latn_100mb. Разработчик указывает, что обучение выполнено с помощью TRL; модель доступна в формате safetensors и рассчитана на генерацию текста с контекстом до 512 токенов. Модель предназначена для генерации продолжения текста и ответов на запросы в формате диалога. Карточка демонстрирует пример ответа на открытый вопрос, но не заявляет специализации по отдельным предметным областям или языкам. Лицензия в предоставленных данных не указана.

TinyLlama-Cinder-Tiny-Agent — диалоговая языковая модель, дообученная Josephgflowers на базе Josephgflowers/TinyLlama-Cinder-Math-Train. Она предназначена для генерации текста в формате чата. Модель построена на плотной архитектуре Llama с причинно-следственной языковой моделью и содержит около 1 млрд параметров; длина контекста — 2048 токенов. Модель распространяется в формате safetensors по лицензии MIT. Данные обучения, результаты оценки и конкретные ограничения в карточке не описаны.

WindyTranslate/translate-bg-sv — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с болгарского языка на шведский. Это дообученная версия Helsinki-NLP/opus-mt-bg-sv на параллельных текстах: LoRA-адаптер объединён с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,6 млн параметров, принимает текст и выдаёт текст; длина контекста — 512 токенов. Модель подходит для перевода болгарских текстов на шведский в приложениях и рабочих процессах перевода. В карточке приведена скрининговая оценка FLORES-200 на 48 предложениях: chrF++ 51,15 и BLEU 22,59; это ограниченная оценка, а не результат публикационного исследования. Поддерживается только направление с болгарского на шведский. Лицензия — Apache-2.0.