III.4Клиентская поддержка и customer success

Это дообученная модель GPT-2 для генерации текста, созданная на основе goldfish-models/eng_latn_100mb и обученная с использованием TRL. Она принимает текстовый запрос и генерирует продолжение; в карточке приведён пример ответа на открытый вопрос. Модель использует плотную архитектуру GPT-2, распространяется в формате safetensors и имеет контекст длиной 512 токенов. Базовая модель предназначена для генерации английского текста, поэтому основным языком этой модели предположительно является английский. Лицензия в предоставленных данных не указана.

francesca9805/ppt-wc-zipf-newlex-eng-before-100mb-packed-bfd_seed455 — дообученная авторами репозитория Francesca9805 GPT-2-подобная модель генерации текста, созданная на основе goldfish-models/eng_latn_100mb с помощью TRL. Она предназначена для продолжения текста и генерации ответов на текстовые запросы; карточка показывает пример запроса на английском языке. Модель использует плотную архитектуру GPT-2 и библиотеку Transformers, веса хранятся в формате safetensors. Длина контекста — 512 токенов. Базовая модель описана как монолингвальная модель для генерации английского текста. Условия лицензии в предоставленных данных не приведены.

Модель francesca9805/ppt-wc-zipf-newlex-nor-before-100mb-packed-bfd_seed10 — дообученная с помощью TRL плотная GPT-2-подобная языковая модель на основе goldfish-models/eng_latn_100mb. Она предназначена для генерации продолжений текста и ответов на запросы на английском языке; в карточке приведён пример генерации ответа на вопрос. Модель использует библиотеку Transformers, веса сохранены в формате safetensors, длина контекста — 512 токенов. Лицензия в предоставленных данных не указана.

PrimaSumika-10.7B-128k — тестовое «sandwich» слияние моделей, созданное xxx777xxxASD как часть xxx777xxxASD/PrimaMonarch-EroSumika-2x10.7B-128k. Модель на архитектуре Mistral предназначена для генерации текста и диалогового общения. В репозитории указаны веса safetensors; размер модели — 10,6 млрд параметров, нативный контекст — 32 768 токенов. В README также описана сборка ExL2 с точностью 6,0 bpw, рассчитанная на размещение в 12 ГБ VRAM с контекстом до 42 тыс. токенов при 4-битном KV-кэше. Модель помечена как англоязычная и распространяется по лицензии Apache-2.0. Поскольку это тестовое слияние, карточка не подтверждает качество или пригодность для конкретных прикладных сценариев; заявленные для ExL2 требования и контекст относятся к этой сборке.

mia-llm/pythia-1b-AGnews-roya — дообученная с помощью TRL модель EleutherAI Pythia-1B на основе GPT-NeoX для генерации текста. В карточке указано, что это вариант Pythia-1B, дополнительно обученный на наборе AG News; размер составляет 1,2 млрд параметров, формат весов — safetensors, контекст — до 2048 токенов. Модель предназначена для продолжения текста и генерации ответов на текстовые запросы. Англоязычная базовая модель делает её наиболее подходящей для англоязычных сценариев; карточка не описывает отдельные возможности классификации новостей или специализированные ограничения. Базовая модель распространяется EleutherAI, а этот чекпойнт размещён под именем mia-llm. Лицензия в предоставленных данных не указана.

TeeZee/Qra-13B-chat — чат-модель, разработанная TeeZee на основе TeeZee/Qra-13b-instruct. Это плотная языковая модель семейства Llama с 12,9 млрд параметров, дообученная на польском наборе диалогов TeeZee/chat-alpaca-pl-no-refusals. Модель использует формат чата Alpaca и предназначена для генерации ответов в диалоге и последовательного следования инструкциям. Модель принимает текст и генерирует текст; заявленный контекст — 4096 токенов. В метаданных указаны английский и польский языки. Веса опубликованы в формате safetensors, лицензия — llama2. Карточка сообщает, что модель проверялась на связность диалога, но не приводит количественных оценок качества.

Minami-su/Qwen1.5-0.5B-Chat_llamafy — преобразованная версия диалоговой модели Qwen1.5-0.5B-Chat от Alibaba Cloud. Автор изменил кодовую основу, чтобы сделать модель совместимой с Qwen1.5; репозиторий содержит веса PyTorch для генерации текста и чата. Модель с плотной архитектурой LlamaForCausalLM насчитывает 463,9 млн параметров и поддерживает контекст до 4096 токенов. В карточке указаны английский и китайский языки. Примеры тестирования приведены для загрузки в 4-битном режиме, однако формат файлов репозитория указан как PyTorch. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы и других текстовых запросов. README не сообщает отдельной оценки качества или подробных ограничений; в метаданных лицензия обозначена как other, поэтому условия использования следует сверить с исходной лицензией Qwen1.5-0.5B-Chat.

Qwen2.5-0.5B Detox PPO — языковая модель sarimahsan101, дообученная методом PPO на базе Qwen/Qwen2.5-0.5B. Она предназначена для генерации текста с пониженной токсичностью и сохраняет способность к обычной генерации. Модель содержит 494 млн параметров, использует архитектуру Qwen2 для причинной генерации текста и имеет контекст до 32 768 токенов. Обучение проводилось с TRL PPOTrainer: Detoxify оценивал токсичность продолжений промптов из набора RealToxicityPrompts, а модель получала награду за менее токсичный текст. В тесте на 200 отложенных промптах средняя токсичность снизилась с 0,2631 до 0,2251; авторы сообщают о снижении среднего показателя на 14,4%. Модель подходит для генерации продолжений и диалоговых ответов, когда важно уменьшить вероятность токсичных формулировок. Результаты оценки ограничены набором RealToxicityPrompts. Лицензия — MIT.

Martinbvt/qwen25-1.5b-ifeval-fr — компактная языковая модель Qwen2.5-1.5B-Instruct, дообученная разработчиком методом LoRA на 8 тысячах французских инструкций, проверенных официальными проверками IFEval. Модель использует архитектуру Qwen2ForCausalLM и формат safetensors; в README указана точность float16. Она предназначена для генерации текста и выполнения инструкций на французском языке, включая диалоговые сценарии и структурированные ответы. Тестовый набор le-leadboard/IFEval-fr не использовался при обучении. Модель содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. Для работы с ней подходят сценарии, где важны следование проверяемым инструкциям и компактный размер. Лицензия — Apache-2.0. Результаты на IFEval-fr в карточке не приведены; подтверждённое обучение на французских инструкциях не гарантирует одинакового качества для других языков и задач.

Timooody дообучил Qwen2.5-1.5B-Instruct-unsloth-bnb-4bit для генерации текста. Это плотная языковая модель семейства Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает юридическую специализацию, обучающие данные или результаты оценки качества, поэтому такие возможности подтвердить нельзя. Модель опубликована в формате safetensors под лицензией Apache-2.0.

ThakiCloud разработала эту полноразмерную дообученную версию Qwen3.8-27B для общения на корейском языке. Модель сохраняет архитектуру, токенизатор и словарь базовой модели; её плотная архитектура содержит 27 млрд параметров. Настройка стиля смещает ответы к короткой связной корейской прозе, а подавление токенов на уровне весов снижает генерацию китайских слов и японской каны, сохраняя отдельные ханча для корейских пояснений. Модель принимает текст и поддерживает диалог и интерфейс вызова инструментов; в карточке подтверждена задача генерации текста. В измерениях, приведённых автором, доля ответов списком при свободной генерации снизилась с 97,5% до 2,0%, а загрязнение вывода символами CJK — с 2,55% до 0,33%. Оценка предпочтения модельного судьи составила 94,9%, но она не откалибрована по человеческим оценкам. Модель склонна отвечать кратко: для длинных или структурированных материалов нужно явно задавать длину и формат. Английский и математический сценарии оценены недостаточно; отдельное обучение безопасности не проводилось, поэтому унаследовано выравнивание базовой модели. Лицензия Apache-2.0.

Qwen3-sft-feedback-small-dataset — дообученная автором etiennebamas модель семейства Qwen3 для генерации текста и диалоговых сценариев. Она основана на formalmathatepfl/qwen3-cpt и дополнительно обучена на SFT-датасете; карточка называет эту версию Qwen3-sft-feedback-one-shot. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров. Она принимает текст и генерирует текст, поддерживает диалоговый режим, а длина контекста составляет 32 768 токенов. README не раскрывает состав обучающих данных, результаты оценки или конкретные сценарии применения, поэтому качество и специализацию модели по этим сведениям определить нельзя. Репозиторий распространяется с лицензией other; конкретные условия в карточке не пояснены.

azkaniam/qwen-legal-grpo-id — дообученная azkaniam языковая модель на архитектуре Qwen2, созданная на базе unsloth/Qwen2.5-7B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная модель с 7,1 млрд параметров, контекстом до 32 768 токенов и поддержкой диалогового взаимодействия. Несмотря на название, README не описывает юридическую специализацию или конкретные сценарии GRPO, поэтому назначение модели подтверждено только на общем уровне генерации текста и чата. Модель подходит для генерации ответов и ведения диалога на английском языке. Репозиторий распространяется по лицензии Apache-2.0. В метаданных указан формат safetensors.

sunburstAI/sb_solar_ko_10.7B_v0.2 — языковая модель семейства Llama, дообученная на базе mncai/llama2-13b-dpo-v4. Разработчик указывает, что для обучения использовались корейские данные в форматах Alpaca и Orca. Модель предназначена для генерации текста и диалоговых сценариев на корейском языке. В метаданных указаны архитектура LlamaForCausalLM, 12,9 млрд параметров, контекст 2048 токенов и библиотека Transformers. Веса доступны в формате safetensors. Модель распространяется по лицензии Apache-2.0. Сведения о качестве, оценках, точном наборе поддерживаемых языков и ограничениях применения в карточке отсутствуют.

Модель mesolitica/sentiment-analysis-nanot5-small-malaysian-cased разработана Mesolitica и предназначена для классификации тональности текста. Она основана на архитектуре T5, содержит около 38,5 млн параметров и опубликована в формате Safetensors; карточка Hugging Face показывает загрузку через конвейер text-classification в Transformers. По названию модель ориентирована на малайзийский вариант языка и регистр символов с учётом регистра; применять её можно для определения тональности малайскоязычных текстов. В доступной карточке нет подробных результатов оценки, перечня меток классов или описания обучающих данных, поэтому точность и переносимость на другие языки и типы текста не установлены. Лицензия в предоставленных сведениях не указана.

SameedHussain/smollm-360m-flight-25k — диалоговая языковая модель, дообученная SameedHussain на базе HuggingFaceTB/SmolLM-360M-Instruct с использованием Unsloth и библиотеки TRL. Она построена на плотной архитектуре семейства Llama и содержит около 361,8 млн параметров; модель предназначена для генерации текста в диалоговом формате. Контекстное окно составляет 2048 токенов, основной указанный язык — английский. Модель можно использовать для создания диалоговых ответов и других текстовых продолжений. Лицензия Apache-2.0. В карточке не описаны конкретный набор данных и результаты оценки качества; из-за компактного размера возможности модели могут быть ограничены по сравнению с более крупными языковыми моделями.

Kaoeiri/SymbiHot-L3-8B-Rewinded — диалоговая модель генерации текста, разработанная Kaoeiri и дообученная на основе Kaoeiri/SymbiHot-L3-8B-0.6X. Это плотная Llama-архитектура с примерно 7,5 млрд параметров и контекстом до 8192 токенов; веса доступны в формате Safetensors. В карточке указано обучение с использованием Unsloth и библиотеки TRL. Модель предназначена для диалоговой генерации текста. Подробности о языках, обучающих данных и специализированных сценариях в карточке не приведены. Метаданные помечают её как не для любой аудитории, поэтому ответы могут подходить не всем пользователям. Метаданные указывают лицензию CC BY-NC-ND 4.0, тогда как README указывает Apache-2.0; условия использования следует уточнить у автора до применения или распространения.

TaliML-PHI3-128K-ITA-V.1.0.FINAL — итальянская диалоговая языковая модель Antonio88, дообученная на базе microsoft/Phi-3-mini-128k-instruct. Она использует архитектуру Phi-3 с плотной моделью примерно на 3,7 млрд параметров и предназначена для генерации текста в диалоге. Модель распространяется в формате Safetensors и использует библиотеку Transformers; заявленная в метаданных длина контекста — 4096 токенов. Модель подходит для ответов на запросы и ведения диалога на итальянском языке. Карточка предупреждает о возможных предвзятых, оскорбительных или фактически неверных ответах, а также о снижении качества на языках, отличных от итальянского. Для ответственных и чувствительных сценариев необходима проверка результатов. Лицензия — MIT.

francesca9805/tam-taml-100mb-ppt-Dp-10mb-packed-bfd_seed3407 — дообученная модель генерации текста на базе goldfish-models/tam_taml_100mb. Она использует архитектуру GPT-2 и была обучена с помощью TRL; веса представлены в формате safetensors. Модель предназначена для продолжения текста и генерации ответов на запросы.

fpadovani/tam-taml-10mb-100mb_seed3407 — дообученная с помощью TRL языковая модель на базе goldfish-models/tam_taml_10mb. Она использует архитектуру GPT-2 и предназначена для генерации текста в ответ на текстовый запрос, например для продолжения диалога или свободного ответа на вопрос. Модель работает через библиотеку Transformers, хранится в формате Safetensors и имеет контекст длиной 512 токенов. В README приведён пример генерации ответа на вопрос с ограничением до 128 новых токенов. Языки обучения и специализация не описаны. Лицензия в доступных данных не указана.

Модель spiralMon/Twin-LLM-Fine-Tuned-DPO-Model-Llama-3.1-8B — дообученная разработчиком spiralMon языковая модель семейства Llama 3.1 с плотной архитектурой LlamaForCausalLM и 7,5 млрд параметров. README сообщает, что при обучении использовались Unsloth и библиотека TRL; базовая модель — spiralMon/Twin-LLM-Fine-Tuned-Instruct-Model-Llama-3.1-8B-bnb-4bit. Модель предназначена для генерации текста. Карточка не описывает специализированные сценарии или дополнительные возможности. Метаданные указывают контекст до 131 072 токенов и язык en. Веса представлены в формате safetensors, лицензия — Apache-2.0.

Vietcuna-7B v3.0 — языковая модель для генерации текста, представленная под именем vilm. Она предназначена для диалогов: шаблон запроса задаёт общение любознательного пользователя с вежливым ИИ-ассистентом, который даёт полезные и подробные ответы. Модель основана на архитектуре BLOOM с плотной causal language model и содержит 9,1 млрд параметров; для неё указан контекст до 2048 токенов. Репозиторий содержит веса PyTorch и SafeTensors, а в метаданных указан датасет OpenOrca-Viet. Шаблон и датасет указывают на ориентацию на вьетнамский язык. Сведения о лицензии и конкретных ограничениях качества в предоставленных данных отсутствуют.

Vigogne-2-13B-Instruct — французская языковая модель для следования инструкциям, разработанная на основе LLaMA 2 13B и дообученная на французских инструкциях. Она предназначена для ответов на запросы и выполнения текстовых задач в диалоговом формате. Модель содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 4096 токенов. Модель принимает текст и генерирует текст. Карточка указывает на французский язык. Для использования действуют те же правила, что и для Llama 2. Модель всё ещё находится в разработке и может выдавать вредный или предвзятый контент, неверные сведения и бесполезные ответы.

Aniemore/wav2vec2-bert-base-s-emotion-v1-crosslingual — мультиязычная модель распознавания эмоций в речи, разработанная Aniemore. Она дообучена на смеси 27 939 аудиофрагментов из восьми языков и трёх речевых регистров и классифицирует примеры по семи классам: гнев, отвращение, энтузиазм, страх, счастье, нейтральность и грусть. Архитектура — Wav2Vec2BertForSequenceClassification; модель принимает аудио вместе с расшифровкой речи и выдаёт метку эмоционального класса. Для скачивания доступны варианты fp32, int8, fp8 и int4. Модель ориентирована на анализ как постановочной, так и спонтанной речи. В README приведены результаты на русских тестовых наборах и наборе CAMEO на семи нерусских языках. На спонтанной русской речи она заметно лучше предыдущей версии распознаёт преобладающий нейтральный класс, но результаты на постановочной речи ниже. Модель унаследована от facebook/wav2vec2-large-xlsr-53 и bert-base-multilingual-cased; лицензия репозитория — Apache-2.0.

Карточка модели Salesforce/xLAM-2-32b-fc-r на Hugging Face совпадает с карточкой Salesforce/Llama-xLAM-2-8b-fc-r, поэтому описание составлено по ней. Salesforce Llama-xLAM-2-8b-fc-r — языковая модель семейства xLAM-2, разработанная Salesforce на архитектуре Llama и дообученная для многоходового диалога и вызова функций. Она предназначена для агентных систем, которым нужно преобразовывать запросы пользователя в структурированные вызовы инструментов и последовательно выполнять задачи. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, включая инструкции и вызовы инструментов; заявленная длина контекста — 131 072 токена. Для работы доступны Transformers и vLLM. Модель обучалась с использованием данных APIGen-MT и наборов Salesforce для вызова функций. Карточка семейства заявляет высокие результаты на BFCL и τ-bench, однако приведённые конкретные цифры относятся к модели на 70 млрд параметров и не подтверждают такие же результаты для версии 8B. Выпуск обозначен как исследовательский, а модель ориентирована прежде всего на англоязычное взаимодействие. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Zefiro-7b-dpo-ITA — чат-модель на базе архитектуры Mistral, разработанная giux78. Это DPO-донастройка итальянской модели Zefiro-7b-sft-ita; в карточке также описано, что семейство Zefiro переносит подход Zephyr на итальянский язык. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации ответов в диалоге. Длина контекста — до 32 768 токенов. Модель подходит для италоязычных разговорных сценариев и может служить основой для дальнейшей специализации под конкретные задачи диалога. Она дообучалась на отфильтрованных и предварительно обработанных данных UltraFeedback Preferences на итальянском языке; в карточке упоминаются также UltraChat-ITA и синтетические наборы данных. Указана лицензия Apache 2.0. Авторы отмечают, что перевод обучающих данных мог вносить ошибки в синтаксис и смысл. Карточка предупреждает, что модель не прошла выравнивание безопасности с человеческой обратной связью и может выдавать проблемные ответы, особенно при соответствующих запросах. Приведённые в README результаты оценки относятся к указанному авторами набору тестов.

Sumail/zhun03 — объединённая языковая модель, созданная Sumail с помощью mergekit методом SLERP из Sumail/copy_sarak7_v1 и Sumail/copy_sarak7_v4. Модель использует плотную архитектуру LlamaForCausalLM и предназначена для генерации текста. Веса представлены в формате safetensors; размер составляет 666,8 млн параметров, длина контекста — 1024 токена. Модель может применяться для генерации продолжений текста и диалоговых ответов. README не описывает её специализацию или результаты оценки качества. Лицензия в предоставленных данных не указана.

webbigdata/ALMA-7B-Ja — языковая модель для машинного перевода, созданная webbigdata на основе метода обучения ALMA. Модель построена на плотной архитектуре Llama и содержит 6,6 млрд параметров; указанное окно контекста — 4096 токенов. Основное назначение — перевод между японским и английским языками в обоих направлениях. В README также отмечена проверенная способность переводить между английским и немецким, китайским, исландским и чешским языками, однако для этих языковых пар автор рекомендует оригинальную ALMA-13B. Метод ALMA включает дообучение на одном языковом корпусе с последующей оптимизацией на качественных параллельных данных. Репозиторий содержит веса PyTorch и Safetensors. Лицензия в предоставленных сведениях не указана.

anwgpt/anwgpt4-base — языковая модель для генерации текста, опубликованная под лицензией MIT. Карточка показывает запуск через библиотеку Transformers и пример продолжения текста; метаданные указывают на архитектуру GPT-2 и формат safetensors. Модель предназначена для генерации и продолжения англоязычного текста. Её контекст составляет 2048 токенов, а среди метаданных указан набор данных Salesforce/wikitext. Сведений о размере модели и конкретном процессе обучения нет.

Aryanne/Astrea-RP-v1.5-3B — разговорная языковая модель для генерации текста и диалогов. Она создана слиянием нескольких моделей StableLM Epoch с помощью mergekit; в конфигурации указан метод task arithmetic и точность float16. Модель содержит 2,7 млрд параметров и рассчитана на контекст до 4096 токенов. Модель подходит для диалогового ИИ-компаньона, ролевых бесед и генерации ответов в чате. Метаданные отмечают разговорные возможности, а описание базовой модели указывает на англоязычную ориентацию. Репозиторий распространяет веса в формате safetensors под лицензией other; точные условия этой лицензии следует сверить с карточкой модели.