III.4Клиентская поддержка и customer success

mistral-ko-OpenOrca-Platypus-v2 — дообученная модель на архитектуре Mistral, разработанная shleeeee (Seunghyeon Lee) и oopsung (Sungwoo Park). Она основана на mistral-7b и предназначена для генерации текста на корейском языке. Модель имеет 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель подходит для создания корейских текстовых ответов и диалоговых сценариев на базе генерации текста. В репозитории представлены веса в формате safetensors. Лицензия указана как other, поэтому конкретные условия использования следует проверять в материалах репозитория.

Undi95/MLewd-ReMM-L2-Chat-20B — диалоговая модель генерации текста на архитектуре Llama с 19,8 млрд параметров и контекстом до 4096 токенов. Разработчик собрал её чередованием слоёв моделей Undi95/MLewd-L2-Chat-13B и Undi95/MLewd-ReMM-L2-Chat-20B-Part1; в README это описано как способ найти баланс между моделями на 13B и более чем 30B параметров и сохранить связность ответов. Для общения используется шаблон Alpaca. Модель предназначена для генерации ответов в диалоге и других текстовых задач. README приводит результаты оценок на отдельных тестах, но также отмечает необходимость дальнейшего тестирования и небольшое количество дублированных данных. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

zelk12/MT1-MU-gemma-2-RGDv0.1GD-9B — объединённая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная разработчиком zelk12 методом SLERP с помощью mergekit. В состав объединения вошли nbeerbower/Gemma2-Gutenberg-Doppel-9B и zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1. Модель предназначена для генерации текста и диалоговых ответов, а также для продолжения текста. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors для библиотеки Transformers. Базовые модели связаны с обучением на текстах Project Gutenberg. В карточке указана лицензия Gemma, условия которой следует учитывать при использовании модели. README не сообщает результаты оценки качества или специальные ограничения применения.

Koriea/Neporalito-12B-x2 — плотная языковая модель семейства Mistral с 12,1 млрд параметров, опубликованная в формате safetensors. По метаданным она предназначена для генерации текста и поддерживает чат; указанная длина нативного контекста составляет 1 024 000 токенов. README содержит только поле лицензии без значений, поэтому условия использования установить нельзя. В карточке нет сведений о языках, обучении модели, её сильных сторонах или ограничениях качества.

Это дообученная модель генерации текста на архитектуре GPT-2, созданная Francesca9805 на основе francesca9805/ppt-wc-uniform-newlex-nld-before-100mb-packed-bfdiso_seed3407. Она предназначена для продолжения текста и ответов на текстовые запросы; карточка демонстрирует диалоговый запрос и генерацию ответа. Модель обучалась с TRL и распространяется в формате safetensors. Контекст модели составляет 512 токенов. Базовая модель ориентирована на английскую генерацию и ответы на запросы. В метаданных указана лицензия; сведения о её условиях здесь не приведены.

Это дообученная модель GPT-2, созданная на основе fpadovani/ppt-wc-zipf-newlex-nld-100mb_seed3407 с использованием TRL. Она предназначена для генерации текста и ответов на вопросы в формате диалога; пример в карточке показывает ответ на открытый вопрос. Модель принимает текст и генерирует текст, максимальная длина контекста составляет 512 токенов. В метаданных указаны формат safetensors и библиотека Transformers. Лицензия в доступных данных не описана.

Карточка модели ihughes15234/phi35_tictactoe_dpo5epoch_v7 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.

pogny — дообученная модель генерации текста на основе MLP-KTLim/llama-3-Korean-Bllossom-8B, созданная с использованием датасета alpaca_en_demo. Она построена на архитектуре Llama и содержит 7,5 млрд параметров. Модель подходит для диалогов и генерации текста; базовая модель ориентирована на корейский и английский языки. Контекст составляет до 8192 токенов. В карточке приведены результаты оценки на тестовой выборке: loss 1,2285 и accuracy 0,6567. Эти показатели не раскрывают методику оценки и сами по себе не позволяют судить о качестве в конкретных сценариях. Модель распространяется по лицензии llama3.

Модель qing-yao/ppt-pythia-1b-appendix-frequent-structured-seed3408-stage2 — дообученная автором qing-yao языковая модель для генерации текста. Карточка сообщает, что обучение выполнено с помощью TRL; базовая модель указана как None, поэтому определить её по доступным сведениям нельзя. Модель построена на архитектуре GPT-NeoX и содержит 1,2 млрд параметров. Она принимает текстовые запросы и генерирует текст; в карточке приведён пример ответа на открытый вопрос. Контекст составляет 2048 токенов. Для запуска предлагается Transformers pipeline с форматом весов safetensors. Модель подходит для генерации продолжений и ответов на текстовые запросы. Карточка не приводит результатов оценки качества, специальных областей применения или подтверждённого списка языков. Условия лицензирования в предоставленных данных не описаны.

fpadovani/ppt-wc-uniform-newlex-77-eng-100mb_seed10 — дообученная с помощью TRL модель семейства GPT-2 на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации продолжений и ответов на английском языке; в карточке приведён пример ответа на открытый вопрос. Модель использует архитектуру GPT2LMHeadModel, работает с текстом и имеет контекст длиной 512 токенов. Весовые файлы опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

fpadovani/ppt-wc-uniform-newlex-77-eng-100mb_seed5 — дообученная модель автора fpadovani на базе goldfish-models/eng_latn_100mb. Это плотная GPT-2-подобная языковая модель для генерации текста, обученная с помощью TRL и сохранённая в формате safetensors. Модель ориентирована на английский язык; указанная длина контекста — 512 токенов. Модель можно использовать для продолжения текста и генерации ответов на английские запросы. В карточке приведён пример вызова через Transformers pipeline с выдачей до 128 новых токенов. Лицензия в предоставленных данных не указана.

Это дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb, выпущенная Francesca9805. Она предназначена для генерации английского текста; пример использования в карточке показывает ответы на открытый вопрос в формате чата. Модель принимает текст и генерирует текст, а её контекст составляет 512 токенов. Веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-heb-before-100mb-packed-bfdiso_seed3407 — дообученная версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb, разработанная на базе Transformers и обученная с использованием TRL. Она предназначена для генерации английского текста, в том числе ответов на вопросы и продолжений заданного текста. Архитектура — плотная GPT-2 с классом GPT2LMHeadModel; контекст составляет 512 токенов, веса доступны в формате safetensors. README показывает запуск через конвейер text-generation в Transformers.

Модель francesca9805/ppt-wc-uniform-newlex-nld-before-100mb-packed-bfd_seed455 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; пример в карточке показывает ответ на открытый вопрос в формате диалога. Модель использует плотную архитектуру GPT-2, сохранена в формате safetensors и имеет контекст длиной 512 токенов. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-swa-after-100mb-packed-bfdiso_seed10 — дообученная с помощью TRL версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb для генерации текста. Она принимает текстовый запрос и продолжает его; карточка показывает пример ответа на открытый вопрос. Модель основана на плотной архитектуре GPT-2, опубликована в формате safetensors и рассчитана на контекст до 512 токенов. Основной язык — английский. Лицензия в доступных сведениях не указана.

fpadovani/ppt-wc-zipf-newlex-66-eng-100mb_seed5 — дообученная автором fpadovani англоязычная GPT-2-подобная модель генерации текста, созданная на основе goldfish-models/eng_latn_100mb с использованием TRL. Она предназначена для продолжения текста и генерации ответов на текстовые запросы; в карточке приведён пример генерации ответа на вопрос. Модель использует архитектуру GPT2LMHeadModel, библиотеку Transformers, формат весов safetensors и контекст до 512 токенов. Лицензия в предоставленных данных не указана.

Priyanshu2666/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-slimy_flexible_seal — текстовая генеративная модель на базе Qwen2.5-0.5B-Instruct от команды Qwen. Имя репозитория и теги связывают её с Gensyn Swarm и GRPO; по доступным сведениям нельзя уточнить, как именно изменялись веса в этом варианте. Модель предназначена для диалогов и выполнения инструкций: она принимает текст и генерирует текст. В основе — плотная причинная архитектура Qwen2 с 494 млн параметров и контекстом до 32 768 токенов. Семейство Qwen2.5 поддерживает более 29 языков, включая русский и английский; отдельная языковая оценка этого варианта не приводится. Исходная модель Qwen2.5-0.5B-Instruct выпущена под лицензией Apache-2.0, но лицензию данного репозитория установить не удалось. Компактный размер подходит для локальных чат-ботов и генерации текста с ограниченными ресурсами; малый размер модели может ограничивать качество сложных ответов. Страница точного репозитория недоступна в поиске, поэтому возможности и характеристики сверх переданных метаданных основаны на карточке базовой модели.

Модель fathulhudoyo/qwen25-1.5b-alpaca-id-grpo разработана fathulhudoyo и дообучена на основе fathulhudoyo/qwen25-1.5b-alpaca-id-sft. Это плотная авторегрессионная языковая модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Модель принимает текст и генерирует текст; её контекстное окно составляет 32 768 токенов. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Английский указан среди языковых тегов, а название базовой модели указывает на обучение для индонезийского языка, но степень поддержки языков в README не описана. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества и подробностей обучения GRPO, поэтому пригодность для конкретных задач следует проверять отдельно.

Карточка модели VladShash/qwen3-4b-feedback-with-repair на Hugging Face совпадает с карточкой VladShash/qwen3-4b-feedback-one-shot, поэтому описание составлено по ней. Qwen3-4b-feedback-one-shot — диалоговая языковая модель с архитектурой Qwen3ForCausalLM, разработанная автором репозитория VladShash. Это дообученная версия formalmathatepfl/qwen3-4b-cpt на наборе данных SFT; карточка не раскрывает состав данных или конкретную специализацию дообучения. Модель содержит 3,7 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории представлены веса Safetensors для библиотеки Transformers. Лицензия указана как other, поэтому условия использования следует проверять в файлах репозитория. Подробных результатов оценки и описания известных ограничений автор не предоставил.

Карточка модели maheshrawat18/Qwen3-8B-grpo-emotion-v10-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.

Sensorial-12B — объединённая модель для генерации текста, созданная ClaudioItaly с помощью mergekit методом TIES. В качестве базовой использована PocketDoc/Dans-PersonalityEngine-V1.1.0-12b; в слияние также вошли LatitudeGames/Wayfarer-12B и DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и распространяется в формате safetensors с весами float16. Она предназначена для генерации текста и разговорного взаимодействия; метаданные указывают контекстное окно до 1 024 000 токенов. Карточка не уточняет языки, для которых модель оптимизирована, и не описывает отдельные специализированные сценарии.

raulconstantin/Smol_SISW_Model — дообученная модель автора raulconstantin на базе HuggingFaceTB/SmolLM2-135M-Instruct. Это плотная языковая модель семейства Llama с 134,5 млн параметров, созданная с помощью TRL и предназначенная для генерации текста в диалоговом формате. Пример в карточке показывает ответы на вопросы и рассуждения в свободной форме. Модель принимает текст и выдаёт текст; она распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. В метаданных указана поддержка английского языка через описание базовой модели. Лицензия и более узкая специализация дообучения в предоставленных данных не описаны.

AIdenU/SOLAR-10.7b-ko-Y24_v1.0 — разговорная модель генерации текста, основанная на upstage/SOLAR-10.7B-v1.0. Это плотная авторегрессионная архитектура семейства Llama с 10,6 млрд параметров, рассчитанная на диалог и работу через Transformers; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации ответов и ведения диалога на корейском языке; её контекст составляет 4096 токенов. README указывает базовую модель, а метаданные — лицензию Apache-2.0.

kodonho/Solar-M-SakuraSolar-Mixed — англоязычная разговорная модель, созданная смешиванием DopeorNope/SOLARC-M-10.7B и kyujinpy/Sakura-SOLRCA-Math-Instruct-DPO-v2 методом gradient slerp. Это плотная causal language model семейства Llama примерно на 8,9 млрд параметров; она предназначена для генерации текста и диалогов. В качестве сценариев применения подходят ответы на вопросы и решение математических задач в чате. Контекст модели — 4096 токенов; веса опубликованы в формате safetensors. Автор README предупреждает об ошибке в усреднении параметров и неверном срезе параметров, поэтому качество и стабильность модели могут быть ограничены. Лицензия — CC BY-NC 4.0, разрешающая использование с указанием авторства и запрещающая коммерческое применение.

Это GGUF-квантизация модели spicyboros-7b-2.2, разработанной jondurbin и опубликованной пользователем duytnet. Модель предназначена для генерации текста и диалоговых сценариев, включая обычный чат, ролевые взаимодействия и ответы в заданном стиле. Из известных характеристик указаны размер 7B параметров, формат GGUF и применение imatrix-квантизации. Модель ориентирована на англоязычные запросы; заявленная модальность — текстовая, а контекст и точная архитектура в карточке не указаны. Для работы рекомендуется формат промпта с системной инструкцией, ролями USER и ASSISTANT и остановкой генерации перед маркером USER либо именами персонажей, чтобы модель не продолжала диалог за пользователя. Сильными сторонами являются поддержка разнообразных чат- и ролевых сценариев, а также наличие оптимизированных GGUF-квантизаций. Ограничения включают отсутствие данных о точных параметрах квантизации, контекстном окне, производительности и качестве на разных задачах. Лицензия обозначена как other, без дополнительных условий в README.

SPUPER-qwen3.5-9b-ducky-add — дообученная компанией-разработчиком модель Qwen/Qwen3.5-9B, обученная с помощью TRL. Она предназначена для диалогового взаимодействия с текстом и изображениями; карточка демонстрирует генерацию ответа на текстовый вопрос, а метаданные указывают на поддержку зрения. Архитектура — плотная Qwen3.5ForConditionalGeneration, формат весов — safetensors; базовая модель содержит 9 млрд параметров. Модель подходит для диалога, ответов на вопросы по изображениям и генерации текста. README не описывает особенности обучения, целевые сценарии или дополнительные преимущества этой версии. Лицензия и ограничения на применение в предоставленных данных не указаны.

ssaryssane/ssary-only-solar-10.7B-slerp — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом SLERP на основе upstage/SOLAR-10.7B-Instruct-v1.0 и macadeliccc/SOLAR-10.7b-Instruct-truthy-dpo. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM; в метаданных указан размер 7,1 млрд параметров и контекст 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов по запросам и инструкциям. Базовая SOLAR ориентирована на англоязычные одношаговые диалоги и выполнение инструкций; подтверждённых сведений о поддержке других языков нет. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

SwedishBeagle-dareDPO — разговорная языковая модель на архитектуре Mistral, дообученная методом DPO на шведской части набора neph1/truthy-dpo-v0.1-swe. Модель разработал FredrikBL. Она предназначена для генерации текста и диалоговых сценариев на шведском языке. В репозитории опубликованы веса в формате safetensors; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Лицензия в предоставленных данных не указана.

Synatra-Mixtral-8x7B — языковая модель maywell, дообученная на корейских наборах данных на основе mistralai/Mixtral-8x7B-Instruct-v0.1. Она предназначена для генерации текста и диалоговых ответов по инструкциям в формате Alpaca. Модель использует архитектуру Mixtral с разреженной смесью экспертов (MoE), содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка указывает корейский язык обучения; метаданные также отмечают поддержку английского. Доступна в формате PyTorch. Лицензия — Apache-2.0. В карточке нет результатов бенчмарков, поэтому качество и сравнительные преимущества не подтверждены; сведения о корейских обучающих данных не раскрывают конкретные датасеты.

Tara-3.8B — плотная языковая модель с архитектурой Llama, разработанная Sakalti и дообученная на основе unsloth/Phi-3.5-mini-instruct с помощью Unsloth и TRL. Она предназначена для генерации текста и диалогового общения; в карточке также указан датасет Lazycuber/alpaca-jp. Модель содержит 3,7 млрд параметров, принимает текст и генерирует текст. Указаны английский и японский языки, а нативный контекст составляет 4096 токенов. Распространяется по лицензии MIT.