III.4Клиентская поддержка и customer success

Windstorm Labs опубликовала модель машинного перевода с немецкого на нидерландский. Это дообученная модель MarianMT на 54,6 млн параметров с контекстом до 512 токенов; LoRA-дообучение на параллельных текстах объединено с весами исходной модели Helsinki-NLP/opus-mt-de-nl. Модель загружается через Transformers в формате safetensors и предназначена для перевода текстов в направлении de→nl. В проверке на 48 предложениях FLORES-200 dev модель получила chrF++ 54,81 и BLEU 28,42; авторы характеризуют этот результат как предварительную оценку, а не публикационный результат. Репозиторий лицензирован по Apache-2.0. Модель поддерживает только перевод с немецкого на нидерландский.

TrendyTurkcellMix-LLM-7B_v0.1 — объединённая модель генерации текста, созданная Trendyol и Turkcell с помощью mergekit. Она объединяет TURKCELL/Turkcell-LLM-7b-v1 и Trendyol/Trendyol-LLM-7b-chat-v1.0 методом SLERP; архитектура — плотная MistralForCausalLM с 7,2 млрд параметров. Модель поддерживает диалоговый режим и рассчитана на контекст до 32 768 токенов. Модель подходит для генерации текста и диалоговых ответов на турецком языке. Репозиторий распространяется по лицензии Apache-2.0. В README нет результатов оценки качества или подробных рекомендаций по применению.

cardiffnlp/twitter-roberta-base-2021-124m-sentiment — модель Cardiff NLP на базе RoBERTa, дообученная для классификации тональности сообщений в Twitter. Она предназначена для определения тональности твитов и коротких текстов в сценариях анализа пользовательских публикаций и социальных сетей. Модель содержит 151,8 млн параметров, принимает текст с контекстом до 514 токенов и выдаёт метку класса тональности. В README приведены результаты на тестовой части tweet_eval: micro-F1 0,713, macro-F1 0,716 и accuracy 0,713. Модель обучена на обучающей части tweet_eval (sentiment), а параметры подбирались на валидационной части. Она рассчитана на короткие сообщения, подобные публикациям в Twitter; качество и применимость к другим жанрам текста могут отличаться. Сведения о лицензии в предоставленных данных отсутствуют.

ClaudioItaly выпустил Utopia-Range — языковую модель для генерации текста, созданную с помощью mergekit на основе Undi95/Utopia-13B. В карточке указано слияние методом passthrough; конфигурация использует float16 и повторяет последний слой базовой модели 11 раз. Модель построена на архитектуре Llama и содержит 12,5 млрд параметров. Модель предназначена для генерации текста. Её контекст составляет 4096 токенов, для запуска используется библиотека Transformers, веса опубликованы в формате safetensors. README не описывает специализированные сценарии и языки применения. Лицензия в предоставленных данных не указана.

Это LoRA-модель на базе openai/whisper-large-v3-turbo, дообученная для транскрибирования телефонных разговоров на датском языке. Она предназначена для распознавания речи в узкополосном аудио с частотой 8 кГц, повышенной до 16 кГц, и адаптирована к шуму, артефактам кодеков и быстрой разговорной речи. При обучении использованы около 40 500 псевдоразмеченных сегментов телефонных звонков и 82 проверенные человеком коррекции, которые были усилены повторной выборкой. Модель основана на архитектуре Whisper и распространяется в формате safetensors под лицензией Apache-2.0; также заявлена совместимость с faster-whisper после конвертации в CTranslate2. Модель специализирована на датской телефонной речи и может хуже распознавать студийное и вещательное аудио. Поскольку псевдоразметку создавали моделью того же семейства, её систематические ошибки могут сохраняться; небольшой объём проверенных коррекций также ограничивает устойчивость к различным условиям записи.

Wukong-Phi-3-Instruct-Ablated — разговорная языковая модель, созданная как дообучение Phi-3-4K Instruct. Разработчик сообщает, что перед обучением базовую модель аблировал Failspy, поскольку исходные веса Phi-3 тогда не были доступны; обучение проводилось в течение трёх эпох на отобранных данных из Cognitive Computations Dolphin 2.9. Модель предназначена для диалогов и генерации текста общего назначения. Она построена на плотной архитектуре Phi-3 (`Phi3ForCausalLM`), содержит 3,7 млрд параметров и рассчитана на контекст до 4096 токенов. В карточке заявлено снижение склонности к отказам; это может приводить к выдаче небезопасного или нежелательного содержания. Поддерживаемый язык — английский. Модель опубликована в формате Safetensors под лицензией MIT. В README нет примеров ответов и количественной оценки качества.

YamshadowStrangemerges_32_Experiment27Experiment28 — объединённая методом SLERP модель семейства Mistral, опубликованная MaziyarPanahi. Она предназначена для генерации текста и может использоваться для диалога и продолжения текстовых запросов. Модель содержит 7,1 млрд параметров, построена на архитектуре MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель объединяет automerger/YamshadowStrangemerges_32-7B и automerger/Experiment27Experiment28-7B. Доступна в формате safetensors по лицензии Apache-2.0. README не описывает результаты оценки качества или специализированное назначение, поэтому возможности модели за пределами генерации текста не установлены.

Модель ShenaoZ/0.0001_sft_nodpo_4iters_bs256_555lr_iter_1 — дообученная версия MistralForCausalLM с плотной архитектурой и 7,1 млрд параметров. Она создана на основе HuggingFaceH4/mistral-7b-sft-beta и обучена на наборах данных updated и original; доступна в формате safetensors. Модель предназначена для генерации текста и диалогового общения: её можно использовать для ответов на вопросы и ведения текстового чата. Размер контекста — до 32 768 токенов. Базовая модель описана как обученная на англоязычных синтетических диалогах, поэтому английский — основной язык, хотя сведения о языках самой дообученной версии ограничены. Модель распространяется по лицензии MIT. README не приводит результатов оценки качества или подробностей обучения, поэтому фактическую точность ответов и пригодность для конкретных сценариев следует проверять отдельно.

Модель ShenaoZ/0.0001_zephyrdpoinit_nodpo_3iters_bs256_555lr_iter_1 — дообученная версия англоязычной чат-модели HuggingFaceH4/zephyr-7b-beta на обновлённом и исходном наборах данных. Она построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста в диалогах и ответов на пользовательские запросы. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Карточка не приводит результатов оценки качества или дополнительных сведений о целевых сценариях обучения. Поскольку базовая Zephyr-7B-β ориентирована на английский язык, английский — основной язык модели; подтверждений поддержки других языков в данных нет.

ShenaoZ/0.001_ablation_5iters_bs256_useresponse_iter_4 — дообученная версия предыдущего чекпойнта ShenaoZ/0.001_ablation_5iters_bs256_useresponse_iter_3. Это плотная языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Модель обучалась на обновлённом и исходном наборах данных; контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии MIT. README не описывает специализированные сценарии, результаты оценки или конкретные ограничения, поэтому пригодность для отдельных задач и качество ответов по этим сведениям определить нельзя.

Alphacode-MALI-9B — разговорная языковая модель Alphacode AI, созданная путём объединения моделей Alphacode и дообучения на внутренних данных компании. Модель построена на плотной архитектуре Mistral и содержит 8,9 млрд параметров; она предназначена для генерации текста в диалоговом формате и имеет контекстное окно 32 768 токенов. В карточке указан корейский язык. Модель может использоваться для ведения диалогов и генерации ответов на корейском языке. В README указано, что обучение проводилось на восьми ускорителях A100 с DeepSpeed, Hugging Face TRL Trainer и Accelerate. Лицензия — CC BY 4.0; карточка не приводит результатов оценки качества и подробностей о составе обучающих данных.

A.M.I.T. 1.0 (Anchored Multi-depth Inference Transformer) — компактная языковая модель, разработанная Amit Pathak на базе архитектуры Qwen. В README заявлен размер около 0,8 млрд активных параметров и динамическая маршрутизация вычислений: для простых запросов используется быстрый проход через 8 слоёв, для более сложных — проход через 32 слоя. Для выбора маршрута применяется стохастический механизм, обученный с GRPO; стабилизатор остаточного состояния смешивает выход FFN с входным представлением в пропорции 80/20. Модель предназначена для генерации текста и диалогового использования, включая ответы на вопросы, простые рассуждения и математические задачи. В карточке приведены результаты ARC Challenge и GSM8K, однако они сами по себе не гарантируют качество на других задачах. Метаданные указывают поддержку английского языка, формат весов safetensors и лицензию Apache-2.0. Контекстное окно и библиотека для инференса в предоставленных данных не указаны.

IsaacZhy/bert-base-goemotions — модель классификации текста на основе BERT, дообученная на наборе GoEmotions. Она присваивает тексту эмоциональные категории. Модель имеет 136,7 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате PyTorch. На тестовой выборке указаны F1 0,5727, ROC AUC 0,7796 и точность 0,4375. Базовая модель bert-base-uncased ориентирована на английский язык, поэтому модель подходит прежде всего для классификации англоязычных текстов. Лицензия — Apache-2.0.

M-FAC/BERT-mini-finetuned-sst2 — модель BERT-mini, дообученная на наборе SST-2 с оптимизатором второго порядка M-FAC. Репозиторий подготовлен автором под именем M-FAC; в карточке указаны архитектура BertForSequenceClassification и 12 млн параметров. Модель предназначена для классификации тональности коротких англоязычных текстов на положительные и отрицательные примеры. В README приведены результаты на валидационной части SST-2: точность выбранного запуска M-FAC составила 84,20% в сравнении с 85,46% для базового запуска Adam; авторы отмечают возможность улучшить результат настройкой гиперпараметров. Контекст модели — до 512 токенов. Модель принимает текст и выдаёт метку класса. Для использования доступны веса PyTorch; лицензия в предоставленных данных не указана.

Boto 7B — дообученная lucianosb модель Mistral 7B для генерации текста на португальском языке. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Для обучения указан набор cnmoro/GPT4-500k-Augmented-PTBR-Clean; веса доступны в форматах PyTorch и Safetensors. Модель предназначена для диалогов и генерации текста на португальском языке. Ответы часто бывают многословными и не всегда достаточно краткими. В README также предупреждается о возможных стереотипах, фактических ошибках и отсутствии встроенной модерации, поэтому ответы требуют проверки. Лицензия — Apache 2.0.

Clemma-E4B — модель ayan4m1 на архитектуре Gemma 4 E4B, дообученная на промптах Claude Opus 4.5–4.6. Она предназначена для диалогового взаимодействия и обработки изображений с текстом на входе; карточка указывает задачу image-text-to-text и возможности chat и vision. Базовая модель — unsloth/gemma-4-E4B-it-unsloth-bnb-4bit. Модель распространяется в формате safetensors по Gemma License. Данные карточки не уточняют размер контекста, языки, качество на конкретных задачах или ограничения; поэтому нельзя уверенно определить её специализацию за пределами заявленных диалоговых и визуально-текстовых сценариев.

Cydonia-22B-v1.1 — диалоговая языковая модель, представленная BeaverAI. Она предназначена для генерации текста в формате чата, ролевых диалогов и историй; карточка рекомендует шаблоны Metharme/Pygmalion и Mistral, а также обычное продолжение текста. Версия 1.1 описана как менее склонная к отказам и морализаторству и улучшенная в следовании сценарию. Модель имеет плотную архитектуру MistralForCausalLM и содержит 22 млрд параметров. Метаданные указывают контекст до 131 072 токенов и формат весов safetensors. Для лицензии указано значение «other»; конкретные условия в карточке не раскрыты, поэтому перед использованием следует проверить лицензионные сведения репозитория.

DataDecide-falcon-and-cc-1B-6000062500650006750069369weightedavgmerge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использована контрольная точка step69369, также в объединение вошли контрольные точки step60000, step62500, step65000 и step67500 из серии falcon-and-cc. Модель построена на архитектуре LlamaForCausalLM и содержит 1,2 млрд параметров. Она предназначена для генерации текста; нативный контекст составляет 2048 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка не сообщает о специализированной предметной области или поддерживаемых естественных языках. Сведения о лицензии отсутствуют, поэтому условия использования по имеющимся данным определить нельзя.

eCeLLM-M — языковая модель NingLab для диалоговых и генеративных задач в электронной коммерции. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель дообучена методом instruction tuning на наборе NingLab/ECInstruct на основе Mistral-7B-Instruct-v0.2. Модель предназначена для ответов на инструкции и запросы, связанные с электронной коммерцией, и может использоваться в чат-ассистентах и других сценариях генерации текста для этой области. В README не приведены конкретные оценки качества или перечень отдельных коммерческих задач. Лицензия репозитория — CC BY 4.0.

EmoRoBERTa — модель классификации текста на базе RoBERTa, опубликованная Arpan Ghoshal и Rohan Kamath. Она дообучена на GoEmotions — наборе из 58 тысяч комментариев Reddit с разметкой 28 эмоций и нейтрального класса — и предназначена для определения эмоциональной окраски коротких текстов на английском языке. Модель использует архитектуру RobertaForSequenceClassification, содержит 151,8 млн параметров и принимает последовательности длиной до 514 токенов. В карточке приведён лучший результат Macro F1 — 49,30%. Модель подходит для анализа эмоций в комментариях и других коротких сообщениях; качество может быть ограничено тематикой и стилем данных GoEmotions и неравномерностью распознавания отдельных эмоций. Лицензия — MIT.

Это дообученная модель GPT-2 на базе goldfish-models/eng_latn_100mb, созданная с использованием TRL. Она предназначена для генерации английского текста и может отвечать на открытые вопросы и продолжать текст; в карточке приведён пример ответа на вопрос о выборе между путешествием в прошлое и будущее. Модель принимает текст и выдаёт текст. Контекст составляет 512 токенов. В метаданных указаны библиотека Transformers и формат весов safetensors. Лицензия в предоставленных данных не указана.

Это дообученная на базе GPT-2 модель fpadovani, созданная с использованием TRL. Она предназначена для генерации текста и продолжения коротких запросов, например ответов на вопросы в свободной форме. Модель использует архитектуру GPT2LMHeadModel, работает с текстом и имеет контекстное окно 512 токенов; в репозитории веса сохранены в формате safetensors. По описанию базовой модели, она ориентирована преимущественно на английский язык. Лицензия в предоставленных данных не указана.

Experiment26-12B — текстовая авторегрессионная модель семейства Mistral с 12,3 млрд параметров, созданная yam-peleg с помощью LazyMergekit на основе семи копий yam-peleg/Experiment26-7B. Модель предназначена для генерации текста; карточка не описывает специализированные пользовательские сценарии или отдельные возможности помимо этой задачи. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. В репозитории указаны веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с соблюдением её условий, включая ограничения на коммерческое применение.

Ruqiya/Fine-Tuning-Gemma-2b-it-for-Arabic — дообученная диалоговая текстовая модель на основе google/gemma-2b-it, разработанная Ruqiya. Модель предназначена для генерации текста и диалогов на арабском языке; для обучения использован набор данных arbml/CIDAR. Модель имеет плотную архитектуру GemmaForCausalLM с 2,5 млрд параметров и контекстом до 8192 токенов. Метаданные указывают поддержку арабского и английского языков и возможность диалогового использования. В README приведено значение training_loss=2.281 на оценочном наборе; других результатов оценки качества карточка не сообщает. Модель распространяется в формате safetensors. Условия лицензии в предоставленных данных не указаны.

Модель YYYYYYibo/full_vanilla_doff_dpo_iter_2 — диалоговая языковая модель семейства Mistral, дообученная методом DPO на обновлённом и исходном наборах данных. Она предназначена для генерации текста в формате беседы. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не описывает специальные сценарии применения, оценку качества или конкретные ограничения; поэтому пригодность для определённых областей и качество ответов по имеющимся сведениям оценить нельзя.

FusionNet_passthrough — экспериментальная англоязычная текстовая модель генерации от TomGrc, созданная методом passthrough Fusion и дополнительного дообучения. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 21,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. В карточке приведены результаты оценки на Open LLM Leaderboard: среднее значение 65,94, включая 69,45 на AI2 Reasoning Challenge и 87,72 на HellaSwag. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Распространяется под лицензией MIT. README описывает её как эксперимент, поэтому результаты оценок не гарантируют качество на других задачах.

IlyaGusev/gemma-2-2b-it-abliterated — разговорная текстовая модель на архитектуре Gemma 2, созданная на основе google/gemma-2-2b-it. В README указано, что к ней применена та же методика abliteration, что и к IlyaGusev/gemma-2-9b-it-abliterated; также приведены параметры слоя, использованные при этой обработке. Модель предназначена для генерации текста в диалоговом формате. Её можно использовать для ответов на сообщения и ведения беседы. Размер — 2,7 млрд параметров, контекст — до 8192 токенов. В метаданных указан английский язык и лицензия Gemma. Abliteration изменяет поведение модели при отказах, поэтому ответы на запросы, которые исходная модель могла отклонить, могут генерироваться. Карточка не сообщает результаты оценивания качества или подробности ограничений применения; следует учитывать условия лицензии Gemma.

grimjim/gemma-3-12b-it-projection-abliterated — производная мультимодальная модель на основе Google Gemma 3 12B Instruct. К модели применена projected abliteration; после этой операции её не дообучали для исправления возможных повреждений. Она предназначена для диалогов и ответов на текстовые инструкции, в том числе с пониманием изображений. Автор сообщает, что модель реже отказывает в ответах, но сохраняет осведомлённость о рисках и вреде. В README также указана высокая оценка на UGI Leaderboard по соответствию запросам; подробности о методике и результатах не приведены. Модель загружается в формате safetensors через Transformers и распространяется по лицензии Gemma.

KhyontekAI дообучила Gemma 4 E4B Instruct от Unsloth для диалогового взаимодействия. Модель основана на плотной архитектуре Gemma 4 и поддерживает обработку текста и изображений, а также интерфейс вызова инструментов. В репозитории веса представлены в формате safetensors. Модель подходит для диалогов и задач, где нужно отвечать на текстовые запросы с учётом изображения. README сообщает, что обучение проводилось с использованием Unsloth и библиотеки TRL. Модель распространяется по лицензии Apache-2.0.

GenreGemma29b — дообученная языковая модель TACameronStott на базе unsloth/gemma-2-9b-bnb-4bit. Это плотная модель Gemma 2 с 9 млрд параметров, предназначенная для генерации текста. Модель обучалась с использованием Unsloth и библиотеки TRL. Модель принимает текст и генерирует текст; указанное окно контекста составляет 8192 токена. В карточке не описаны специализированные жанровые сценарии или результаты оценки качества, поэтому назначение модели можно определить только как общее текстовое продолжение и генерацию. Лицензия — Apache 2.0.