III.4Клиентская поддержка и customer success

Prience91 разработал GRPO_experiment — дообученную версию Qwen/Qwen2-0.5B-Instruct, обученную с помощью TRL. Это компактная плотная языковая модель семейства Qwen2 с 494 млн параметров, предназначенная для генерации текста в диалоговом формате и ответов на запросы. В карточке приведён пример запуска через Transformers для генерации ответа на вопрос; метаданные указывают контекстное окно 32 768 токенов и поддержку чата. Модель принимает текст и генерирует текст. Лицензия в предоставленных данных не указана, поэтому условия использования установить нельзя. Карточка не приводит результатов оценки качества или более подробного описания обучения GRPO.

HelpingAI3 — англоязычная авторегрессионная языковая модель, разработанная HelpingAI для эмоционально чутких диалогов. Это плотная decoder-only модель семейства Llama с 9,9 млрд параметров и контекстом до 32 768 токенов; она доступна в формате safetensors и поддерживает чат на английском языке. Модель предназначена для виртуального общения и эмоциональной поддержки, рекомендаций по благополучию, персонализированного обучения и профессиональной помощи. По данным карточки, обучение включало эмоциональные диалоги, терапевтические обмены, культурные разговоры и кризисные сценарии. Модель может отражать смещения обучающих данных и ошибочно интерпретировать сложные эмоции. Она не заменяет квалифицированную психологическую или медицинскую помощь. Указана лицензия HelpingAI License; метаданные классифицируют её как other.

Honyaku-Multi-Translator-Swallow-ms7b — языковая модель для машинного перевода, созданная на основе Swallow-MS-7b-v0.1 и дообученная разработчиком репозитория aixsatoshi. Она предназначена прежде всего для перевода с английского на японский и с японского на английский; другие языки поддерживаются частично и с переменным качеством. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,2 млрд параметров, принимает текст и выдаёт текст. В метаданных указан контекст до 32 768 токенов. Модель рассчитана в том числе на перевод относительно длинных текстов, но на объёмах свыше примерно 4000 токенов качество может заметно снижаться. Для короткого текста возможны нестабильная остановка генерации и повторный перевод; при работе с незнакомыми понятиями возрастает риск галлюцинаций. Квантизация может ухудшить перевод на других языках и длинных текстах. Лицензия — Apache-2.0.

HRM-Text-1B-Chat — англоязычная чат-модель taykso, дообученная на sapientinc/HRM-Text-1B в два этапа для диалогов и следования инструкциям. Она предназначена для ответов на вопросы, непринуждённого общения, творческих запросов и структурированных рассуждений. Модель использует плотную рекуррентную архитектуру HRM: каждый токен проходит через 8 последовательных шагов — 2 H-цикла и 3 L-цикла. По карточке, обучение на примерах UltraChat улучшило форматирование диалогов и снизило утечку служебных токенов; в небольшой оценке на 30 запросах показатель снизился с 57% у базовой модели до 3%. Размер по метаданным — 3,7 млрд параметров, контекст — 4096 токенов. Модель принимает и выдаёт текст. Модель ограничена английским языком, слабо знает конкретные факты и может галлюцинировать; понимание юмора остаётся буквальным. Инференс медленный — около 5 токенов в секунду по данным карточки. Лицензия — Apache-2.0.

Hunyuan-MT-7B-GGUF — это квантованная в формате GGUF версия языковой модели для машинного перевода Hunyuan-MT-7B, разработанной Tencent. Модель предназначена для перевода текста между 33 языками, включая китайский, английский, французский, португальский, испанский, японский, русский, арабский, корейский, немецкий и ряд других языков, в том числе пять языков этнических меньшинств Китая. Модель имеет размер 7B параметров и рассчитана на запуск через llama.cpp и совместимые инструменты. Представленная версия была создана с использованием llama.cpp; автор сборки также применял выборочное повышение точности отдельных слоёв при квантовании, чтобы улучшить качество при ограниченной разрядности, хотя это увеличивает размер файлов. Модель ориентирована именно на перевод и ожидает инструкции с указанием целевого языка без дополнительных пояснений. Сведения об архитектуре, размере контекста и поддержке других модальностей в карточке не указаны. Сильной стороной исходной Hunyuan-MT-7B заявлена высокая эффективность в задачах перевода: на конкурсе WMT25 она заняла первое место в 30 из 31 языковой категории, в которой участвовала. Ограничения включают специализацию преимущественно на переводе и возможное снижение качества при низкоразрядном квантовании, несмотря на оптимизацию отдельных слоёв. Лицензия в предоставленной карточке не указана.

Mungert/HY-MT1.5-7B-GGUF — это GGUF-версия переводческой модели HY-MT1.5-7B из семейства Hunyuan Translation Model 1.5, разработанного Tencent Hunyuan. Данная сборка подготовлена с использованием llama.cpp и предназначена для локального запуска в совместимых приложениях и средах, поддерживающих формат GGUF. Модель рассчитана на машинный перевод в 33 языках и пяти этнических или диалектных вариантах. Она поддерживает перевод между китайским и другими языками, а также между парами без китайского, и ориентирована на объяснительный перевод, смешанные языковые сценарии, перевод с учётом контекста, вмешательство в терминологию и сохранение форматирования. Заявленный размер модели — 7B параметров. В README не указаны точная архитектура, максимальная длина контекста и перечень пяти диалектных вариантов. К сильным сторонам относятся поддержка большого числа языков, контекстного и форматированного перевода, а также возможность локального запуска через GGUF. В этой сборке применяется квантование с выборочным повышением точности отдельных важных слоёв, что, по заявлению автора сборки, может улучшать точность при заданном уровне квантования, особенно для моделей с архитектурой Mixture of Experts, хотя это увеличивает размер файла. Конкретный вариант квантования для данного идентификатора не указан. Лицензия в представленном README не указана.

Intellplay-Llama-3-8B — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit из Sao10K/L3-8B-Stheno-v3.2, vicgalle/Roleplay-Llama-3-8B и bunnycore/SparrowMind-8B. Она предназначена для генерации текста и диалогов, включая ролевые беседы и написание историй. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; контекст — до 8192 токенов. В карточке указан формат safetensors и лицензия Apache-2.0. README также упоминает GGUF, но не содержит сведений о готовом файле такого формата.

neeleshg23/jamba-1.9b-fine-tune — дообученная модель для генерации текста, разработанная на основе neeleshg23/jamba-1.9b-1119. В метаданных указаны архитектура Jamba с механизмом смеси экспертов (MoE), класс JambaForCausalLM и размер 1,2 млрд параметров. Модель предназначена для генерации текста по текстовому запросу и может применяться в сценариях, где нужна компактная языковая модель. Нативная длина контекста составляет 2048 токенов. Карточка не описывает обучающий набор данных, специализированные задачи, поддерживаемые языки или результаты оценки. Модель опубликована в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

Это дообученная модель генерации текста на базе fpadovani/ppt-wc-zipf-newlex-eng-100mb_seed3407. Она создана с использованием TRL и предназначена для продолжения текста и генерации ответов на пользовательские запросы на английском языке. В качестве примера карточка показывает ответ на открытый вопрос; архитектура — GPT-2, библиотека — Transformers, формат весов — safetensors, длина контекста — 512 токенов. Лицензия в предоставленных данных не указана.

KafkaLM-70B-German-V0.1 — языковая модель Seedbox, обученная Деннисом Дикманном на базе Llama 2 70B Base. Это плотная авторегрессионная модель с 68,7 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 4096 токенов. Модель дообучена на отфильтрованной выборке из 4 тысяч примеров датасета seedboxai/multitask_german_examples_32k, составленного из открытых наборов инструкций, переведённых с английского на немецкий. Она предназначена для ответов на вопросы и выполнения разнообразных повседневных задач на немецком языке, в том числе в деловом общении. Карточка характеризует модель как компетентную и творческую, отмечая склонность к языковым экспериментам. Для использования действуют лицензия Llama 2 и ограничения лицензий датасетов; автор рекомендует модель только для исследований.

TeamUNIVA/Komodo_6B_v3.0.0 — разговорная модель генерации текста на базе beomi/Yi-Ko-6B, опубликованная командой TeamUNIVA. Карточка показывает пример использования как чат-бота, который отвечает на вопросы, а метаданные указывают на плотную архитектуру Llama с 5,9 млрд параметров и контекстом 2048 токенов. Модель предназначена для генерации ответов и диалогового взаимодействия. В метаданных указаны корейский и английский языки; пример в README написан на корейском. Модель распространяется в формате safetensors по лицензии Apache-2.0. Данные о качестве, обучающем наборе и ограничениях в карточке не приведены.

komt-llama2-13b-v1 — языковая модель Дэвида Кима (Changyeon Kim), дообученная методом supervised fine-tuning на корейском многозадачном наборе инструкций. Она предназначена для генерации текста и ответов на пользовательские запросы на корейском языке. Модель построена на архитектуре Llama 2 с 12,9 млрд параметров, использует PyTorch и принимает текст, выдавая текст; длина контекста — до 4096 токенов. Модель подходит для диалоговых сценариев и выполнения разнообразных инструкций на корейском языке. Карточка приводит пример планирования поездки и описывает оценивание ответов, но не сообщает подробных количественных результатов именно этой версии. В метаданных указана лицензия Apache 2.0, тогда как README заявляет о некоммерческой Bespoke License и регулировании лицензией Meta; условия следует проверять по применимым лицензионным документам.

Korean-OpenOrca-13B — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Кюджином Ханом (Kyujin Han) в рамках исследовательского консорциума компаний Media Group Saram과 Forest и Marker. Модель содержит 12,9 млрд параметров, принимает текст и генерирует текст; базовая модель — hyunseoki/ko-en-llama2-13b. Для дообучения использован набор OpenOrca-KO, созданный на основе переведённых примеров OpenOrca. Модель предназначена для генерации ответов и продолжения текста преимущественно на корейском языке, в том числе в сценариях следования инструкциям и ответов на вопросы. Контекст составляет 2048 токенов. В README приведены результаты на корейских бенчмарках, однако они не гарантируют качество на других задачах. Лицензия CC BY-NC-SA 4.0 требует указания авторства и ограничивает коммерческое использование.

L3-8b-SthenoLumiM-ModelStock — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом Model Stock. В объединение вошли Sao10K/L3-8B-Stheno-v3.1, Sao10K/L3-8B-Stheno-v3.2 и NeverSleep/Llama-3-Lumimaid-8B-v0.1; базовой моделью указана Sao10K/L3-8B-Stheno-v3.2. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Модель подходит для ролевых диалогов, написания историй и ответов на инструкции на английском языке. Она принимает текст и выдаёт текст; нативный контекст составляет 8192 токена. В репозитории указаны веса в формате safetensors и использование библиотеки Transformers. Условия лицензии в предоставленных данных не указаны.

Карточка модели maoelana/legal-qwen-2.5-1.5b-baseline на Hugging Face совпадает с карточкой maoelana/legal-qwen-2.5-1.5b-experiment-2, поэтому описание составлено по ней. maoelana дообучила модель Qwen2.5-1.5B на базе unsloth/qwen2.5-1.5b-unsloth-bnb-4bit. Это плотная языковая модель с архитектурой Qwen2ForCausalLM, предназначенная для генерации текста в диалоговом формате. В карточке указаны размер 1,5 млрд параметров и контекст до 32 768 токенов; модель распространяется в формате safetensors и рассчитана на работу через Transformers. Модель может подойти для диалоговых приложений и генерации текста на английском языке. Конкретная специализация дообучения и результаты оценки качества в карточке не описаны. Лицензия — Apache-2.0.

LFM2.5-Encoder-350M-Spellchecker — модель Liquid AI, представляющая собой полное дообучение LFM2.5-Encoder-350M для исправления грамматических, орфографических и пунктуационных ошибок, а также ошибок регистра в английском тексте. В её основе — двунаправленный энкодер с теггером исправлений в стиле GECToR, который размечает ошибки на уровне подслов и применяет исправления итеративно; в README для инференса указано значение max_iter=4. Модель предназначена для проверки и редактирования английских предложений, включая исправление опечаток и грамматики. В README приведены результаты на LOCNESS, BEA-dev и CoNLL-14; на составном наборе MASTER указано значение ERRANT F0.5 64,24. Репозиторий содержит веса PyTorch в формате safetensors и использует библиотеку Transformers. Для загрузки требуется включить trust_remote_code=True. Лицензия в метаданных обозначена как other.

Модель sanghwa-na/llama2-13b.kor.v1 разработана Sanghwa Na на основе LLaMA 2 и предназначена для генерации текста с выполнением инструкций. Это плотная авторегрессионная модель класса LlamaForCausalLM с 12,9 млрд параметров; карточка указывает библиотеку Transformers и формат весов safetensors. В качестве данных для настройки использованы наборы в стиле Orca и Platypus, а шаблон запроса разделяет инструкцию и ответ. Модель рассчитана на корейский язык, указанный в тегах и карточке, и поддерживает контекст до 4096 токенов. Её можно использовать для ответов на инструкции и генерации текста в формате диалога «инструкция — ответ». Лицензия — Llama 2, условия которой следует соблюдать при использовании и распространении модели.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-first-third-v2-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

GGACHI-1B-Instruct-v1 — компактная инструктивно дообученная языковая модель, разработанная для выполнения задач на корейском языке. Она основана на Llama-3.2-1B-Instruct и дообучена на более чем 230 тысячах высококачественных корейских примеров. В репозитории указана архитектура LlamaForCausalLM с 1,2 млрд параметров; модель принимает текст и генерирует текст, поддерживает диалоговый режим. Метаданные указывают длину контекста 131 072 токена и поддержку корейского и английского языков. Модель предназначена для следования инструкциям и генерации текста на корейском языке; её можно применять для ответов на вопросы и других текстовых задач, сформулированных как инструкции. В README приведены оценки на KOBEST для режимов zero-shot, few-shot, но сами таблицы результатов в доступной карточке опущены. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

Pection/llama3-finetune — дообученная модель Pection на архитектуре LLaMA для генерации текста. Она основана на Meta-Llama/Llama-3.2-1B, содержит 1,2 млрд параметров и рассчитана на запуск через Transformers; веса представлены в формате safetensors. Модель подходит для сценариев, где требуется генерировать текст на английском или тайском языках. В метаданных указан контекст до 131 072 токенов. Карточка приводит пример загрузки модели и токенизатора через Transformers, но не описывает специализацию дообучения, обучающие данные или результаты оценки качества. Лицензия в предоставленных данных не указана.

VIRNECT разработала разговорную языковую модель на архитектуре Llama 3 с 7,5 млрд параметров. Она предназначена для генерации текста в диалоговом формате и ориентирована прежде всего на корейский язык; в метаданных также указана поддержка английского. Модель принимает текст и генерирует текст, а её контекст составляет до 8192 токенов. Модель дообучена на базе MLP-KTLim/llama-3-Korean-Bllossom-8B. В README перечислены корейский набор данных AI Hub для разработки крупной языковой модели с улучшенными показателями корейского языка и датасет вопросов и ответов по корейской Википедии. Веса опубликованы в формате safetensors; лицензия указана как llama3.

Auruncus/lsg-lsh-mbart-cc25-16384-128-4-2ep — модель семейства mBART с архитектурой LSGMBartForConditionalGeneration и 457,4 млн параметров. В README указано, что модель обучалась с нуля на неизвестном наборе данных; подробности о разработчике, данных и назначении отсутствуют. Модель принимает текст и предназначена для генерации текста по текстовому запросу. В метаданных указано контекстное окно 16 384 токена и формат весов safetensors. README не приводит сведения о языках, качестве, специальных сценариях использования или ограничениях; лицензия в предоставленных данных не указана.

MARS — диалоговая языковая модель Curiosity Technology, первая версия семейства моделей компании. Она создана на базе Meta-Llama-3-8B-Instruct методом дообучения LoRA на внутренних турецких данных и открытых наборах данных, включая их переводы на турецкий язык. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текстовые запросы для генерации ответов в диалоговом формате. Поддерживает турецкий и английский языки, контекст — до 8192 токенов. MARS подходит для турецкоязычных диалогов и генерации текста. Для запуска авторы предлагают Transformers pipeline или классы AutoModel с методом generate(). Модель опубликована в формате safetensors под лицензией Llama 3. Качество и охват задач за пределами описанного диалогового применения в карточке не оценены.

appvoid/merging-3 — текстовая генеративная модель семейства Llama, созданная с помощью mergekit из слоёв appvoid/palmer-003 методом passthrough. В метаданных указано около 1,1 млрд параметров, архитектура LlamaForCausalLM и контекст до 2048 токенов; веса сохранены в формате safetensors. Базовая модель описана как компактная чат-модель для генерации текста на английском, испанском и французском языках. Модель предназначена для генерации текста и диалоговых сценариев. Карточка описывает сборку из диапазонов слоёв одной базовой модели, но не приводит результатов оценки качества или подробных инструкций по применению. Условия лицензии в доступных данных не указаны.

yzhuang/Meta-Llama-3-8B-Instruct_fictional_arc_challenge_english_v1 — дообученная модель семейства Llama 3, созданная на основе Meta-Llama-3-8B-Instruct с использованием набора данных generator. Это диалоговая плотная языковая модель с 7,5 млрд параметров, предназначенная для генерации текста и ответов в чате. Максимальная длина контекста — 8192 токена; репозиторий содержит веса в формате safetensors. Модель может использоваться для генерации англоязычных ответов и диалоговых сценариев. README не описывает конкретную специализацию дообучения, обучающие примеры или результаты оценки. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.

Mia-1B — компактная модель генерации текста от MysteriousAI, созданная дообучением OEvortex/HelpingAI-Lite. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 1 млрд параметров; она поддерживает контекст до 2048 токенов и доступна в форматах PyTorch, Safetensors и ONNX. Модель предназначена для диалогов и создания текстов: её можно использовать в чат-ботах, виртуальных помощниках и приложениях для написания статей, историй и других материалов. Карточка заявляет поддержку генерации без цензурирования; метаданные указывают английский и хинди. Для распространения указана лицензия Apache-2.0. Модель небольшая, поэтому её можно рассматривать для приложений с ограниченными вычислительными ресурсами, однако README не приводит достаточных сведений о качестве на конкретных задачах, а также предупреждает о возможных смещениях и необходимости осторожного обращения с чувствительным контентом.

Карточка модели Akul/MiniLlama-1.8b-Med на Hugging Face совпадает с карточкой Akul/MiniLlama-1.8b-Med-safetensors, поэтому описание составлено по ней. Akul/MiniLlama-1.8b-Med-safetensors — дообученная Akul языковая модель семейства Llama для генерации текста и диалогового общения. Она основана на frankenmerger/MiniLlama-1.8b-Chat-v0.1 и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель имеет плотную архитектуру LlamaForCausalLM с 1,8 млрд параметров и контекстом до 4096 токенов. Репозиторий содержит веса в формате safetensors; модель предназначена для англоязычных текстовых запросов и ответов. В карточке нет подтверждения специализированных медицинских возможностей, несмотря на «Med» в названии. Лицензия — Apache-2.0; README не описывает оценку качества или дополнительные ограничения.

l3utterfly/mistral-7b-v0.1-layla-v3 — модель l3utterfly, профинансированная Layla Network и дообученная на Mistral 7B с использованием набора OpenHermes 2.5. Она предназначена для многоходового общения и отыгрыша персонажей; Layla использует её как базовую модель для офлайн-персонального помощника. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, рассчитана на английский язык и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. При подготовке данных удалили отказы и упоминания ИИ-ассистента, а многоходовые диалоги сохранили как отдельные записи бесед. Это соответствует сценарию разговоров и ролевого общения, но такая обработка может снижать склонность модели отказывать на нежелательные запросы. Лицензия — Apache-2.0.

modernBERT-large-claim-agent_v11 — дообученная Kymera-Solutions модель классификации текста на базе answerdotai/ModernBERT-large. В карточке указаны результаты оценки: accuracy 0,9973, precision 0,9915, recall 0,9865 и F1 0,9890; описание целевых классов и самого сценария классификации не приведено. Модель построена на двунаправленной архитектуре ModernBERT с 394,7 млн параметров и контекстом до 8192 токенов. Она принимает текст и выдаёт метки классификации; основным языком базовой модели является английский. Модель подойдёт для классификации текстов в рамках соответствующей задачи и набора меток, на которых её дообучали. Датасет указан в README как None, поэтому целевое назначение и переносимость метрик на другие данные оценить нельзя. Лицензия — Apache-2.0.

MergedQwen2-0.5B0.0 — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом NearSwap. В качестве базовой использована Qwen2-0.5B; в объединении также участвовала модель debias_Qwen2-0.5B. Веса представлены в формате safetensors, размер модели — около 493,7 млн параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Заявленная длина контекста составляет 131 072 токена. README указывает параметр слияния t=0.0; отдельные оценки качества или подробности о языках в карточке не приводятся. Лицензия в предоставленных данных не указана.