III.4Клиентская поддержка и customer success

NeuralsirkrishnaExperiment26-7B — автоматическое слияние моделей, созданное Maxime Labonne. В конфигурации указаны Kukedlc/NeuralSirKrishna-7b и rwitz/experiment26-truthy-iter-0; для объединения применён метод dare_ties. Метаданные описывают модель как плотную MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста. Репозиторий содержит веса Safetensors, а лицензия указана как Apache-2.0. Карточка не приводит конкретных сценариев применения или результатов оценки качества.

Nusantara-1.8b-Indo-Chat — чат-модель с открытыми весами, разработанная Kalis AI на основе Qwen1.5 и дообученная на тематических наборах данных. Это трансформерная авторегрессионная модель Qwen2 с 1,5 млрд параметров и контекстом до 8192 токенов; для загрузки используются Transformers и формат safetensors. Модель предназначена для ответов на вопросы и выполнения инструкций на индонезийском языке, а также поддерживает английский. Её можно применять для чат-ботов, диалоговых помощников и генерации текста. Разработчики предупреждают, что версия с небольшим числом параметров склонна к галлюцинациям; обучение на неотфильтрованных данных также может приводить к нежелательным результатам. Лицензия указана как Apache-2.0, при использовании также требуется соблюдать лицензию Qwen.

Helsinki-NLP/opus-mt-ja-pt — модель машинного перевода японского текста на португальский из семейства OPUS-MT, основанная на архитектуре Transformer и реализованная как MarianMTModel. Модель содержит 58,3 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Для перевода используются нормализация и SentencePiece; перед текстом требуется указать начальный токен целевого языка в формате `>>id<<` с допустимым идентификатором языка. Модель подходит для перевода предложений и коротких текстов с японского на португальский. В README приведён результат на тестовом наборе Tatoeba: BLEU 22,2 и chr-F 0,444. Доступны веса в форматах PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

opencsg/Phi-3.5-Chinese — 基于 Phi-3.5-mini-instruct 特别处理的中文监督微调版本，由 OpenCSG 发布。 Модель предназначена для диалогов и вопросов на китайском языке: она точнее понимает китайский текст и чаще отвечает по-китайски, с настройкой на качество ответов и удобство общения. Это плотная причинная языковая модель семейства Phi-3 с 3,7 млрд параметров и контекстом 4096 токенов; поддерживает чат и распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

Карточка модели ihughes15234/phi35_tictactoe_dpo5epoch 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.

ehristoforu/plms-0001 — слитая языковая модель на архитектуре LLaMA, созданная с помощью mergekit методом SLERP из openchat/openchat и CarperAI/stable-vicuna-13b-delta. Модель предназначена для генерации текста и ответов в диалогах. В репозитории указаны 10,3 млрд параметров и контекст 2048 токенов. Метаданные связывают базовые модели с генерацией ответов на английском языке; данных о поддержке других естественных языков нет. Модель использует формат safetensors и библиотеку Transformers. Условия лицензирования в предоставленных данных не указаны.

ppt-art-lang-newlexicon-zipf-soft0.98-eng-baseline-100mb_seed10 — дообученная модель 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 ответы на открытые вопросы в формате диалога. Модель использует архитектуру GPT2LMHeadModel, сохраняется в формате safetensors и имеет контекст длиной 512 токенов. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Модель francesca9805/ppt-wc-uniform-newlex-nld-before-100mb-packed-bfd_seed10 — дообученная Francesca9805 модель GPT-2 на базе goldfish-models/eng_latn_100mb. Согласно карточке, обучение выполнено с помощью TRL; модель предназначена для генерации текста и может отвечать на вопросы в формате диалога. Она использует архитектуру GPT2LMHeadModel, веса сохранены в формате safetensors, а длина контекста составляет 512 токенов. Базовая модель рассчитана на английский язык. Лицензия в предоставленных данных не указана.

Модель Francesca9805 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb для генерации английского текста. Она предназначена для продолжения текста и выдачи ответов в формате диалога; пример в карточке показывает генерацию ответа на вопрос с ограничением до 128 новых токенов. Модель принимает текст и генерирует текст, использует библиотеку Transformers и формат весов safetensors. Длина контекста составляет 512 токенов. Базовая модель Goldfish — одноязычная GPT-2 для генерации английского текста и исследований языковых моделей. Условия лицензии в предоставленных данных не описаны.

Модель francesca9805/ppt-wc-uniform-newlex-nor-before-100mb-packed-bfd_seed455 — дообученная с помощью TRL версия goldfish-models/eng_latn_100mb, созданная на базе архитектуры GPT-2 для генерации текста. Пример в карточке показывает запрос на английском языке и запуск через библиотеку Transformers. Модель подходит для продолжения текста и генерации ответов на текстовые запросы на английском языке. Контекст ограничен 512 токенами. Веса опубликованы в формате safetensors; лицензия в доступных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-tam-after-100mb-packed-bfdiso_seed455 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; в примере карточки показан ответ на открытый вопрос в формате диалога. Модель использует плотную архитектуру GPT-2, распространяется в формате safetensors и имеет контекстное окно 512 токенов. Лицензия в предоставленных данных не указана.

Это дообученная модель GPT‑2 для генерации текста на английском языке. Она создана на основе goldfish-models/eng_latn_100mb и обучалась с помощью TRL; веса хранятся в формате safetensors. Модель рассчитана на продолжение текста и генерацию ответов на запросы, например на вопросы с открытым ответом. Контекст модели составляет 512 токенов. Лицензия в предоставленных данных не указана.

Quark-464M-v0.1.alpha — компактная разговорная языковая модель семейства Qwen2, выпущенная raincandy-u. Это alpha-версия для двуязычного общения на английском и китайском языках, ориентированная на быстрый запуск на устройствах с ограниченными ресурсами. Модель содержит около 464 млн параметров, использует архитектуру Qwen2ForCausalLM и принимает текст, выдавая текст. Заявленная длина контекста — 32 768 токенов. В карточке указано, что модель не проходила RLHF-донастройку; опубликованы результаты отдельных бенчмарков, но сам автор предупреждает, что выпуск предварительный и качество может меняться. Модель распространяется в формате Safetensors по лицензии other; конкретные условия лицензии в предоставленных данных не раскрыты.

Карточка модели KingNish/Qwen2.5-0.5b-RBase на Hugging Face совпадает с карточкой KingNish/Qwen2.5-0.5b-Test-ft, поэтому описание составлено по ней. KingNish/Qwen2.5-0.5b-Test-ft — компактная плотная языковая модель для диалогов и генерации текста, дообученная разработчиком KingNish на базе Qwen/Qwen2.5-0.5B-Instruct. Модель содержит 494 млн параметров, построена на архитектуре Qwen2 и принимает текстовые запросы, выдавая текстовые ответы. Заявленная длина контекста — 32 768 токенов. Модель предназначена для ответов на вопросы, выполнения инструкций и других текстовых диалоговых сценариев. Для дообучения использовано 12 800 примеров из набора Magpie 300k; обучение проводилось с Unsloth и TRL. В README автор сообщает о многообещающих результатах на отдельных тестах, но также предупреждает, что модель может ошибаться и выдавать некорректные рассуждения. Модель распространяется по лицензии Apache-2.0. Это небольшой чекпойнт, поэтому качество ответов и сложных рассуждений следует проверять перед использованием.

RRNicole1014/Qwen2.5-3B-Instruct-Profesor-Albus-Dumbledore — дообученная разговорная языковая модель семейства Qwen2.5, разработанная RRNicole1014 на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру Qwen2ForCausalLM, около 3,1 млрд параметров и контекстное окно до 32 768 токенов. В карточке заявлен английский язык. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Данных о специализации на задачах, связанных с профессором Альбусом Дамблдором, карточка не приводит.

jaeyong2/Qwen2.5-3B-Instruct-Viet-SFT — дообученная авторами репозитория модель на основе Qwen/Qwen2.5-3B-Instruct. Это плотная причинно-языковая модель семейства Qwen2, предназначенная для генерации текста и диалогов; метаданные указывают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка модели не содержит содержательного описания или сведений о данных дообучения, поэтому назначение Viet-SFT и конкретные преимущества для вьетнамского языка подтвердить нельзя. Метаданные карточки указывают вьетнамский и английский языки. Репозиторий распространяет веса в формате safetensors; лицензия обозначена как other, без конкретных условий в предоставленных данных.

Qwen3-4B-Instruct-2507_moodswapper_zen — дообученная версия Qwen3-4B-Instruct-2507, созданная Marcel Padilla с помощью Moodswapper. Изменение весов направлено на спокойный эмоциональный тон; модель предназначена для диалогов и генерации ответов с таким тоном. Модель использует плотную архитектуру Qwen3ForCausalLM и содержит 3,7 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 262 144 токенов и работает через библиотеку Transformers. Основной язык в карточке не обозначен. Лицензия — Apache-2.0, как у базовой модели. Описание не сообщает о независимых оценках качества или специальных ограничениях; изменение заявлено только для эмоционального тона.

BrandonHowe/Qwen3-8b-compassion-qwen-seed1-20260930-CPT-merged-epoch-1 — самостоятельная модель генерации текста на архитектуре Qwen3, полученная продолжением предобучения Qwen/Qwen3-8B-Base на наборе CompassioninMachineLearning/compassion_12185_cleaned. Чекпойнт соответствует первой эпохе обучения, шагу 375 и содержит 7,6 млрд параметров; контекст — до 32 768 токенов. Модель принимает текст и генерирует текст, поддерживает conversational- и tool-calling-интерфейсы. Модель подходит для генерации диалоговых ответов и экспериментов с поведением, связанным с сочувствием. Обучение на тематическом наборе данных само по себе не подтверждает улучшения в проявлении сочувствия, поэтому это качество следует оценивать отдельно. Веса представлены в BF16 в формате safetensors; для загрузки адаптер не требуется. Лицензия в предоставленных данных не указана.

Qwen3-8B tool-merged — дообученная диалоговая языковая модель на базе Qwen/Qwen3-8B, подготовленная для голосовых агентов и вызова инструментов. По README, модель обучалась с LoRA-адаптером ранга 32 в течение трёх эпох на 1873 диалогах; указаны значения train loss 0,1401 и eval loss 0,1506. Архитектура — плотная Qwen3ForCausalLM с 7,6 млрд параметров и контекстом до 40 960 токенов. Модель генерирует текст в диалогах и предназначена для сценариев голосовых агентов и работы с инструментами. В метаданных заявлены английский и хинди. Репозиторий содержит веса safetensors; для запуска README перечисляет sglang, vLLM и Transformers. Лицензия — Apache-2.0. Показатели потерь и небольшой набор из 1873 диалогов сами по себе не подтверждают качество в реальных голосовых сценариях. Метаданные и README не указывают отдельный аудиовход или аудиовыход: модель следует рассматривать как текстовую языковую модель для интеграции в голосового агента, а не как самостоятельную систему распознавания речи или синтеза речи.

Модель muzafin/Qwen-Legal-SFT-Dicoding-Final — дообученная версия Qwen2.5-1.5B-Instruct, созданная muzafin с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная модель на 1,5 млрд параметров для генерации текста и диалогового взаимодействия; заявленная длина контекста составляет 32 768 токенов. Карточка не описывает специальный правовой сценарий, поэтому назначение модели можно уверенно определить только как генерацию текста. Модель распространяется в формате safetensors по лицензии Apache-2.0. Базовая модель — unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit. Метаданные карточки указывают английский язык; отдельные сведения о данных дообучения, правовой точности и оценках качества отсутствуют.

fpadovani/rus-cyrl-10mb-100mb_seed10 — модель генерации текста на архитектуре GPT-2, дообученная автором на базе goldfish-models/rus_cyrl_10mb с использованием TRL. Она предназначена для продолжения текста и генерации ответов на запросы; в README приведён пример диалогового запроса. Модель работает с текстом, а её контекстное окно составляет 512 токенов. Модель сохранена в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана. Карточка не сообщает оценок качества или подробностей обучающих данных, поэтому пригодность для конкретных сценариев следует проверять самостоятельно.

Etelis/Sentiment140_BERT_5E — модель классификации тональности текста, созданная дообучением bert-base-cased на наборе данных Sentiment140. Она предназначена для определения тональности коротких текстовых сообщений, например публикаций в социальных сетях. Модель основана на архитектуре BERT и содержит 135,5 млн параметров; максимальная длина контекста составляет 512 токенов. Для классификации доступна оценка accuracy 0,82 на наборе оценки. Модель принимает текст и выдаёт результат классификации. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Карточка не описывает разметку классов и подробности оценки, поэтому переносить заявленную точность на другие данные не следует.

nie3e/sentiment-polish-gpt2-small — модель классификации тональности польского текста, обученная разработчиком nie3e на базе польской версии GPT-2 small с использованием датасета polemo2-official. Она относит текст к одной из четырёх категорий: нейтральная, негативная, позитивная или неоднозначная тональность. Модель построена на архитектуре GPT-2 для классификации последовательностей и принимает текст, выдавая метку класса. Контекст модели составляет 2048 токенов. В README приведены результаты оценки на тестовом наборе: accuracy 0,9627 и loss 0,4659. Модель предназначена для анализа польских текстов; её качество на других языках и доменах не подтверждено. Модель распространяется под лицензией MIT. Для использования предусмотрен Transformers AutoModel.

Spivavtor-Large — модель Grammarly для редактирования украинского текста, созданная дообучением bigscience/mt0-large на датасете Spivavtor. Это encoder-decoder-модель семейства mT5 с 608,4 млн параметров; она принимает текстовые инструкции и фрагменты текста и генерирует отредактированный текст. Модель предназначена для исправления и улучшения украинских текстов в сценариях, где нужно применить текстовые правки по инструкции. Модель распространяется в формате safetensors по лицензии CC BY 4.0. Карточка отсылает к статье с подробностями датасета и процесса дообучения; сведений о длине контекста и конкретных видах редактирования в доступных данных нет.

Модель samadpls/t5-base-grammar-checker — дообученная Абдулом Самадом Сиддики модель на архитектуре Google T5 для исправления грамматических и орфографических ошибок в английских предложениях. Она основана на T5 с архитектурой encoder-decoder и примерно 123,7 млн параметров; использует формат safetensors и рассчитана на контекст до 512 токенов. Модель обучалась на наборе JHU-CLSP/JFLEG и подходит для автоматической корректуры отдельных предложений и коротких текстов. Карточка не сообщает лицензию, поэтому условия использования следует сверить с репозиторием и лицензией базовой модели.

vennify/t5-base-grammar-correction — модель на архитектуре T5, разработанная с помощью Happy Transformer и обученная на наборе JFLEG для исправления грамматики. Она принимает текст и генерирует его исправленную версию, стараясь уменьшить число грамматических ошибок. Подходит для корректуры предложений, черновиков и пользовательских текстов на английском языке. Модель содержит 123,8 млн параметров, использует формат PyTorch и рассчитана на контекст до 512 токенов. Она специализирована на грамматической коррекции, поэтому может менять исходные формулировки; результат следует проверять, если важны точный смысл или стиль. Лицензия CC BY-NC-SA 4.0 допускает использование с указанием авторства и требует распространения адаптированных материалов на тех же условиях; коммерческое использование не разрешено.

Tenorio 1.5B — компактная плотная языковая модель семейства Tenorio, созданная автором проекта как дообучение Qwen2.5-1.5B-Instruct. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2 и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов. В метаданных указаны поддержка испанского и английского языков, а настройка модели в первую очередь направлена на улучшение испанского языка и форматирования ответов. Модель предназначена для диалогов, ответов на вопросы и генерации текста на испанском языке. Автор сообщает о продолженном предобучении на испаноязычных книгах и LoRA-настройке на испанских парах вопрос–ответ; в небольшом сравнительном тесте на 592 вопросах модель чаще предпочитала судейская модель по грамматической корректности и естественности испанского языка, чем базовую модель. Это любительский проект без гарантий качества, формальные стандартизированные бенчмарки не проводились. Изменения автора распространяются по MIT, а базовая модель — по Apache 2.0.

Ateeqq/Text-Rewriter-Paraphraser — дообученная модель семейства T5 для перефразирования текста. В README указана база T5-Base и обучение на наборе примерно из 430 тысяч примеров, собранном из трёх открытых источников и очищенном перед обучением. Для задачи используется префикс «paraphraser: ». Метаданные указывают архитектуру T5ForConditionalGeneration, 123,8 млн параметров и контекст до 512 токенов; README приводит другое число параметров для базовой модели, поэтому здесь указано значение из метаданных репозитория. Модель предназначена для генерации переформулированных вариантов текста с сохранением смысла и для изменения структуры предложений. В карточке заявлены естественное звучание и фактическая точность, однако приведены только значения потерь на обучении и валидации, без независимой оценки качества. Языки обучения и работы не указаны. Модель опубликована под лицензией Apache-2.0.

TR-Omni-E4B — модель турецкого речевого диалога с архитектурой thinker–talker, разработанная Furkan Bekmezci. Компонент thinker на базе Gemma 4 E4B принимает речь, изображения и текст в любых сочетаниях и формирует ответ; речь обрабатывается напрямую, без промежуточной расшифровки ASR. Отдельный talker, инициализированный на основе Trendyol-TTS и VoxCPM2, синтезирует речь по предложениям с частотой 48 кГц, используя текстовые токены ответа и скрытые состояния thinker. Общий размер — 4,5 млрд эффективных параметров. Модель предназначена для голосового общения на турецком языке, включая сценарии с изображениями, а также для распознавания турецкой речи и ответов голосом или текстом. В тесте Common Voice 17 для турецкого языка авторы сообщают WER 10,2%; сохранена возможность отвечать на вопросы по изображениям. Лицензия — Apache-2.0. Ограничения включают фактические и арифметические ошибки, единственный синтетический голос, слабое распознавание эмоций и обработку только турецкого языка. Синтез речи выполняется по предложениям; модель работает в полудуплексном режиме, а потоковая передача и перебивание зависят от приложения. Не предназначена для медицинских, юридических и финансовых решений.

Salesforce xLAM-2-1b-fc-r — модель семейства Large Action Models на архитектуре Qwen2 с 1,5 млрд параметров, предназначенная для диалогового взаимодействия и вызова функций в агентных системах. Она принимает текстовые запросы и формирует текстовые ответы, в том числе вызовы инструментов в предусмотренном шаблоне диалога. Модель дообучена для задач function calling и многошагового использования инструментов. Она рассчитана на автоматизацию рабочих процессов: агент может интерпретировать намерение пользователя и выбирать действия через доступные функции. Контекст составляет 32 768 токенов; в метаданных указан английский язык. Репозиторий содержит веса в формате safetensors и поддерживает Transformers; карточка также описывает использование с vLLM. Модель разработана Salesforce и выпущена для исследовательских целей. README заявляет улучшения в многоходовых сценариях и результаты семейства xLAM-2 на тестах BFCL и τ-bench, но приведённые сравнения относятся к более крупным вариантам семейства и не подтверждают конкретные показатели этой модели на 1B. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование.