III.4Клиентская поддержка и customer success

komt-llama-30b-v1 — авторегрессионная языковая модель Дэвида Кима (Changyeon Kim), дообученная методом supervised fine-tuning на многоцелевых инструкциях на корейском языке. Она основана на upstage/llama-30b-instruct-2048 и предназначена для диалоговых сценариев и выполнения разнообразных инструкций, включая планирование поездок и ответы на вопросы на корейском языке. Модель использует плотную архитектуру Llama и содержит 32,3 млрд параметров. Она принимает и генерирует текст, поддерживает корейский и английский языки; длина контекста — 2048 токенов. В карточке приведены результаты оценки ответов с помощью ChatGPT, но они не гарантируют качество в конкретных задачах. Лицензия Hugging Face указана как Apache 2.0, тогда как README заявляет некоммерческую Bespoke License и применение лицензии Meta; условия использования следует проверять по первоисточникам лицензирования.

KSI-RP-NSK-128k-7B — слитая модель на архитектуре Mistral, созданная AlekseiPravdin объединением KukulStanta-InfinityRP-7B-slerp и NSK-128k-7B-slerp методом SLERP с помощью mergekit. Она предназначена для генерации текста и диалогового взаимодействия, в том числе ролевых сценариев, на основе текстовых запросов. Модель содержит 7,1 млрд параметров; репозиторий распространяет веса в формате safetensors. В метаданных указан нативный контекст длиной 32 768 токенов. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет поддерживаемые естественные языки и специальные ограничения качества; возможности за пределами генерации текста и диалога не заявлены.

flozi00/Llama-2-13B-german-assistant-v2 — дообученная модель семейства Llama 2 с плотной архитектурой LlamaForCausalLM и 12,9 млрд параметров. Её разработал flozi00 в рамках частного исследовательского проекта; модель настроена на немецкие инструкции и диалоги в стиле токенов Open Assistant. Модель предназначена для генерации текста, следования инструкциям и ведения разговоров на немецком языке. В карточке указано, что обучающий набор flozi00/conversations был очищен и дедуплицирован. Поддерживаются немецкий и английский языки; длина контекста составляет 2048 токенов. Доступны веса в форматах PyTorch и Safetensors. Автор рекомендует использовать версию V3. Лицензия в предоставленных данных не указана, поэтому условия использования установить нельзя.

heegyu/llama-2-ko-7b-chat — плотная языковая модель семейства Llama 2, дообученная разработчиком Heegyu на корейских инструкционных и диалоговых данных. В метаданных указано 6,7 млрд параметров, контекст 2048 токенов и формат PyTorch. Модель предназначена для генерации ответов в чат-боте на корейском языке: она обучалась на одиночных и многоходовых инструкциях, вопросах с опорой на знания и других наборах инструкционных данных. В README приведён шаблон диалога и рекомендовано генерировать ответ до токена EOS. К сильным сторонам относятся настройка на корейские диалоги и инструкции. Возможны галлюцинации, о чём предупреждает пример в README; контекст ограничен 2048 токенами. Лицензия в предоставленных данных не указана.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-last-third-v2-sft-seed2 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.

MLP-KTLim разработала эту мультиязычную модель для перевода коротких текстов между корейским, вьетнамским, индонезийским, кхмерским и тайским языками. Это дообученная версия инструкционной модели Meta Llama 3.1 8B Instruct с архитектурой Llama и 7,5 млрд параметров; она принимает текстовые запросы и генерирует перевод. В карточке заявлены все пары направлений между пятью языками и обучение на 20 млн примеров. Модель предназначена для перевода коротких фраз, распространённых выражений и простых разговоров. Контекстное окно составляет 131 072 токена, однако авторы предупреждают, что качество может снижаться на длинных и сложных текстах и различаться в зависимости от языковой пары и содержания. Модель распространяется по лицензии Llama 3.1.

Модель Thamo31 — дообученная плотная авторегрессионная Llama 3.2 на 3,2 млрд параметров, предназначенная для маршрутизации запросов в многоагентной системе. Она анализирует запрос и выдаёт название одного подходящего отдела, чтобы направить задачу нужному агенту и сократить затраты на дополнительное рассуждение LLM. Карточка заявляет поддержку английского языка; модель принимает текст и выдаёт текст. Контекстное окно составляет 131 072 токена. В метаданных указаны возможности чата и интерфейс вызова инструментов, однако основная задача модели — генерация текста с меткой отдела для маршрутизации. Модель дообучена Thamo31 на unsloth/Llama-3.2-3B-Instruct-bnb-4bit с использованием Unsloth и Hugging Face TRL. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. Карточка не приводит метрик качества или подробностей о наборе данных, поэтому точность маршрутизации для конкретных отделов следует проверять на собственных запросах.

Модель swasthika28/llama-3.2-3b-mood-classifier — дообученная текстовая модель семейства Llama 3.2, созданная swasthika28 на базе unsloth/Llama-3.2-3B-Instruct-bnb-4bit с использованием Unsloth и TRL. Название репозитория указывает на классификацию настроения, однако README не описывает обучающие данные, формат запросов или результаты этой задачи. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст, генерируя текстовый ответ. Заявленная длина контекста — 131 072 токена; язык в метаданных — английский. Доступны веса в формате safetensors. Лицензия — Apache-2.0.

Модель balrogbob/llamamama-python-1000 — дообученная версия Llama 3, созданная balrogbob на базе unsloth/llama-3-8b-bnb-4bit. Она предназначена для генерации текста; карточка не описывает специальную предметную область или отдельный сценарий применения. Архитектура — плотная авторегрессионная LlamaForCausalLM с 7,5 млрд параметров и контекстом до 8192 токенов. Для обучения использовались Unsloth и библиотека TRL. Модель принимает текст и генерирует текст. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно.

LorablatedStock-12B — слитая модель для генерации текста, созданная с помощью mergekit методом Model Stock из предварительно обученных моделей ForgottenMaid-12B-Lorablated, FusionEngine-12B-Lorablated и HMS-Fusion-12B-Lorablated. Модель разработана yamatazen и опубликована в формате safetensors с точностью bfloat16. Модель основана на архитектуре Mistral с плотной структурой и содержит 12,1 млрд параметров. Заявленная длина контекста — 131 072 токена. Карточка указывает английский и японский языки. Модель предназначена для генерации текста; её можно применять для продолжения текста и диалоговых сценариев. Лицензия в предоставленных данных не указана. Качество, поведение и ограничения конкретных сценариев в карточке не описаны.

Maestrale chat beta v0.3 — италоязычная чат-модель, созданная @efederici и @mferraretto на основе Mistral-7B. Модель прошла дополнительное предобучение на качественном корпусе на итальянском языке и SFT на диалогах и инструкциях в течение трёх эпох. Это плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации ответов в диалогах на итальянском языке и следования инструкциям. Версия v0.3 поддерживает интерфейс вызова функций и использует формат запросов ChatML. Модель выпущена как beta и не прошла выравнивание; авторы называют её первым тестовым вариантом и отмечают, что данные для выравнивания и оценки ещё разрабатываются. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Mahou-1.2-phi-14B — экспериментальная разговорная языковая модель команды flammen.ai, дообученная на базе microsoft/Phi-3-medium-128k-instruct. Модель с архитектурой Phi-3 содержит 13,8 млрд параметров, принимает текст и генерирует текст; поддерживает диалоговый режим и формат ChatML. В карточке указано контекстное окно 4096 токенов. Модель предназначена для диалогов и ролевых сценариев. Для ролевых ответов авторы рекомендуют оформлять речь без кавычек, а действия — в звёздочках. Модель выпущена как экспериментальная версия и не протестирована; описание также упоминает итеративное развитие и дообучение на разговорных данных flammen.ai. Распространяется по лицензии Apache-2.0.

Miscela-7b-slerp — объединённая модель генерации текста на архитектуре Mistral, созданная с помощью mergekit методом SLERP. В неё вошли mii-community/zefiro-7b-sft-ITA и DeepMount00/Mistral-Ita-7b; обе модели предварительно обучены на итальянском языке. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения на итальянском языке. Она распространяется в формате safetensors; библиотека для работы с ней — Transformers. Лицензия в предоставленных данных не указана.

AIdenU/Mistral-7B-v0.2-ko-Y24_v2.0 — корейская разговорная модель генерации текста, основанная на alpindale/Mistral-7B-v0.2-hf. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors; в метаданных также отмечена поддержка чата. Модель предназначена для генерации ответов и ведения диалога на корейском языке. Указана лицензия Apache-2.0. Карточка не описывает отдельные специализированные области применения или подробные ограничения качества.

Ba2han/model-muontest-wsd-p3 — дообученная Ba2han модель семейства Llama для генерации текста. В карточке указано, что модель обучена с помощью TRL; для запуска приведён пример с Transformers pipeline text-generation, который принимает пользовательский вопрос и выдаёт продолжение в формате чата. Модель содержит 559,2 млн параметров, использует плотную архитектуру LlamaForCausalLM и формат весов safetensors. Заявленная длина контекста — 16 834 токена. Карточка показывает общий пример вопроса и не указывает специализированную предметную область или поддерживаемые языки. Лицензия в предоставленных данных не указана.

AL3110/mpnet-wsc-finetuned-triplet — текстовая модель Sentence Transformers, дообученная на базе microsoft/mpnet-base на наборе wsc_queries_with_negatives. Она преобразует предложения и абзацы в плотные векторы размерности 768; сходство между ними можно оценивать косинусной мерой. Архитектура использует MPNet и mean pooling, поддерживает последовательности длиной до 512 токенов, а число параметров составляет 136,7 млн. Модель предназначена для семантического поиска и сравнения текстов, включая поиск ответов на запросы о правилах Oracle Workspace Category (WSC). Её также можно применять для поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. Для обучения использовался TripletLoss на 35 примерах с запросами, подходящими и неподходящими ответами. В карточке не указаны лицензия и поддерживаемые естественные языки. Обучающие примеры посвящены внутренним политикам и процедурам Oracle, поэтому качество за пределами этой тематики не подтверждено.

Nawah-RuleCheck-v2 — небольшая арабоязычная модель oddadmix для проверки, соответствует ли текст заданному правилу на естественном арабском языке. Она принимает текст и формулировку правила и относит пару к одному из двух классов: «مطابق» (соответствует) или «مخالف» (не соответствует). Модель построена на архитектуре Llama и использует классификационную голову; содержит 51,8 млн параметров, а длина контекста составляет 2048 токенов. Модель предназначена для проверки правил, которые можно определить по самому тексту, например наличия даты, числа или URL, а также для фильтрации коротких арабских объявлений, обращений в поддержку, вакансий и других деловых текстов. В оценке она лучше обобщала правила, сформулированные в знакомом обучающем стиле, чем новые разговорные формулировки; подсчёт слов оказался слабым типом правил. Обучение охватывает 19 правил и короткие тексты из нескольких арабских регионов, поэтому результаты не следует переносить на длинные документы, правила, требующие знаний о мире, суждений или многошаговых выводов. Модель дообучена на oddadmix/50M-2048-Emhotob на наборе oddadmix/arabic-rule-checking. Лицензия — Apache-2.0.

Nemotron-3.5-30B-A3B-Antislop-FTPO-V2 — дообученный Thoughtworks чекпойнт NVIDIA Nemotron 3.5 30B-A3B, распространяемый в формате BF16 и предназначенный для генерации текста. Модель настроена методом Antislop с FTPO, чтобы уменьшить характерные повторяющиеся словесные шаблоны и приблизить стиль прозы к человеческому. В README описаны оценки на 952 отложенных промптах в шести доменах; наиболее заметный эффект показан для творческого письма. Модель подходит для создания художественной прозы, ответов на вопросы и пояснений, инструкций и диалогов. Заявлена гибридная архитектура Nemotron H с MoE и Mamba; базовая модель имеет размер 30B-A3B. Карточка ориентирована на английский язык. Для загрузки требуется Transformers с `trust_remote_code=True`. Лицензия указана как `other`, поэтому условия использования следует проверять в репозитории. Автор сообщает об отсутствии измеримого ухудшения на проверенных бенчмарках, однако подавление повторяющихся шаблонов не является жёстким фильтром и заметно различается по жанрам. Обработка тире и структуры Markdown в отдельных случаях ухудшилась; качество письма отдельным оценщиком не проверялось.

NeuralPoppy-EVO-L3-8B — разговорная текстовая модель семейства Llama, созданная как слияние десяти отобранных моделей методом Model Stock на базе Poppy Porpoise 0.72. Разработчик позиционирует её как универсальную модель с особым уклоном в ролевые диалоги и рассказывание историй. Модель предназначена для генерации текста и чата. Заявлены широкая база знаний и отсутствие ограничений на тематику ответов; в репозитории также есть пресеты SillyTavern и ссылки на квантизованные варианты. Метаданные указывают 7,5 млрд параметров, контекст до 8192 токенов и формат safetensors. Карточка не описывает языковую специализацию или результаты оценивания качества. Лицензия — Llama 3 Community License (llama3).

Nusantara-0.8b-Indo-Chat — чат-модель Kalis AI для ответов на вопросы и выполнения инструкций на индонезийском языке. Это авторегрессионная трансформерная модель с архитектурой Qwen2 и 669,4 млн параметров; в репозитории представлены веса Safetensors. Модель дообучена на базе Qwen1.5-4B, а в карточке указан датасет FreedomIntelligence/evol-instruct-indonesian. Контекст — до 32 768 токенов. Модель предназначена для диалоговых сценариев на индонезийском и английском языках: можно задавать вопросы и поручать ей формулировать ответы по инструкциям. Карточка предупреждает о склонности версии с размером менее 4 млрд параметров к галлюцинациям, а также о возможных негативных последствиях обучения на неотфильтрованных данных. Лицензия указана как Apache-2.0 с требованием соблюдать лицензию Qwen.

BrandonHowe/Olmo7b-compassion-olmo-seed1-20260930-CPT-merged-epoch-3 — самостоятельная версия модели Olmo 3, дообученная на корпусе CompassioninMachineLearning/compassion_12185_cleaned. Это плотная авторегрессионная языковая модель на 6,9 млрд параметров для генерации текста; базовая модель — allenai/Olmo-3-1025-7B. Модель обучена до третьей эпохи, а веса сохранены в BF16 в формате safetensors; адаптер для загрузки не требуется. Модель рассчитана на генерацию текста с контекстом до 65 536 токенов. Название и обучающий корпус указывают на тематику сострадания, однако обучение само по себе не подтверждает улучшение соответствующих качеств — это следует оценивать отдельно. Карточка не приводит специальные ограничения по применению. Условия лицензии в предоставленных данных не описаны.

Диалоговая языковая модель ihughes15234 объёмом 3,7 млрд параметров, построенная на архитектуре Llama и дообученная на базе ihughes15234/phi35_tictactoe_dpo1epoch_v5. Она предназначена для генерации текста в диалогах; карточка сообщает об использовании Unsloth и библиотеки TRL при обучении. Модель работает с текстовым вводом и выдаёт текст. Для неё указаны английский язык и контекст длиной 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает качество, обучающие данные или специальные ограничения модели.

Карточка модели vinai/PhoGPT-4B на Hugging Face совпадает с карточкой vinai/PhoGPT-4B-Chat, поэтому описание составлено по ней. 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.

Это дообученная модель GPT-2, созданная fpadovani на основе goldfish-models/eng_latn_100mb с использованием TRL. Она предназначена для генерации английского текста; в карточке приведён пример ответа на открытый вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекст длиной 512 токенов. Лицензия в предоставленных данных не указана.

Это дообученная модель GPT-2, созданная на основе goldfish-models/eng_latn_100mb и обученная с помощью TRL. Она предназначена для генерации английского текста, в том числе ответов на открытые вопросы и продолжений по заданной теме. Модель принимает текст и выдаёт текст; доступна в формате safetensors и рассчитана на контекст до 512 токенов. Лицензия в предоставленных данных не указана.

qing-yao/ppt-pythia-1b-appendix-frequent-structured-seed3407-stage2 — дообученная модель генерации текста, опубликованная пользователем qing-yao. Она основана на GPT-NeoX и содержит 1,2 млрд параметров; веса представлены в формате safetensors. Модель обучалась с помощью TRL, а карточка демонстрирует генерацию ответа на вопрос пользователя. Модель предназначена для генерации текста по запросу и может использоваться для ответов на вопросы и продолжения диалога. Заявленный контекст составляет 2048 токенов. Карточка не описывает обучающие данные, языковое покрытие или результаты оценки качества. Лицензия в предоставленных сведениях не указана.

Модель fpadovani/ppt-wc-uniform-newlex-66-eng-100mb_seed455 — дообученная с помощью TRL версия англоязычной GPT-2-подобной модели goldfish-models/eng_latn_100mb. Она предназначена для генерации текста на английском языке; в примере карточки модель отвечает на открытый вопрос, продолжая диалог. Модель использует архитектуру GPT2LMHeadModel, библиотеку Transformers и формат весов safetensors. Длина контекста составляет 512 токенов. Модель подходит для генерации и продолжения коротких текстов и ответов на вопросы на английском языке. Данные о лицензии и специализированных областях применения в предоставленных материалах отсутствуют.

Это дообученная на TRL модель генерации текста на базе одноязычной GPT-2 goldfish-models/eng_latn_100mb. Она предназначена для продолжения текста и генерации ответов на английском языке; пример в карточке показывает ответ на открытый вопрос. Модель использует архитектуру GPT-2, веса сохранены в формате safetensors, контекст составляет 512 токенов. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-eus-before-100mb-packed-bfd_seed3407 — дообученная с помощью TRL одноязычная GPT-2-модель на основе goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; в карточке приведён пример ответа на открытый вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, работает с текстом и имеет контекстное окно 512 токенов. Файлы весов опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-isl-before-100mb-packed-bfd_seed455 — дообученная с помощью TRL плотная GPT-2-модель на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации текста и может отвечать на вопросы и продолжать заданный пользователем текст. Модель использует библиотеку Transformers, веса представлены в формате safetensors, длина контекста — 512 токенов. Базовая модель Goldfish рассчитана на генерацию английского текста, поэтому модель подходит прежде всего для англоязычных запросов. Лицензия в доступных данных не указана.