III.4Клиентская поддержка и customer success

LFM2.5-1.2B-JP — чат-модель Liquid AI, дообученная на базе LiquidAI/LFM2.5-1.2B-Base и специально оптимизированная для японского языка. Она предназначена для диалоговых приложений, генерации текста и следования инструкциям на японском языке с учётом языковых и культурных особенностей. Модель построена на плотной архитектуре LFM2 и имеет 1,5 млрд параметров. Поддерживает контекст длиной до 128 000 токенов; репозиторий содержит веса в формате safetensors и рассчитан на использование через Transformers и совместимые фреймворки инференса. В карточке заявлены улучшенные для её масштаба знания о Японии и следование инструкциям. Лицензия указана как other, поэтому условия использования следует проверять в лицензионных материалах репозитория. Карточка не приводит независимых оценок качества или подробных ограничений; заявленное преимущество относится прежде всего к японским сценариям.

CarrotAI/Llama-3.2-Rabbit-Ko-1B-Instruct — компактная инструкционно настроенная языковая модель CarrotAI для диалогов и генерации текста. Она основана на Meta Llama 3.2 1B Instruct и дообучена на корейских инструкционных данных, включая CarrotAI/ko-instruction-dataset и CarrotAI/Magpie-Ko-Pro-AIR. Модель имеет плотную архитектуру LlamaForCausalLM, около 1,2 млрд параметров и контекст до 131 072 токенов. В карточке приведены результаты оценивания на корейских задачах понимания текста и на GSM8K; метаданные указывают корейский и английский языки, а также диалоговую возможность. Веса представлены в формате safetensors. Лицензия — Llama 3.2.

nayohan/llama3-8b-it-translation-general-en-ko-1sent — дообученная автором nayohan диалоговая языковая модель семейства Llama 3 для перевода отдельных предложений с английского на корейский в общей тематике. Она основана на Meta-Llama-3-8B-Instruct с архитектурой LlamaForCausalLM и содержит 7,5 млрд параметров. Модель работает с текстом, поддерживает контекст до 8192 токенов и предназначена для использования через Transformers. Модель обучена на 1,18 млн примеров из набора nayohan/aihub-en-ko-translation-1.2m. Её сильная сторона — узкая специализация на переводе с английского на корейский; перевод в обратном направлении, другие языковые пары и управление стилем в README не заявлены. Лицензия — Llama 3; применяются её условия использования.

LLaMa3-8b-WangchanX-sft-Full — диалоговая языковая модель на базе Meta Llama 3, дообученная командой AIResearch методом QLoRA с использованием конвейера WangchanX и публичного набора данных объёмом около 22 ГБ. Это плотная модель класса LlamaForCausalLM с 7,5 млрд параметров; опубликованные веса находятся в формате safetensors. Модель предназначена для генерации ответов в диалоге, в частности на тайском языке; пример в карточке показывает рекомендации по эффективной учёбе. Модель принимает текстовые сообщения и генерирует текстовые ответы. Для запуска карточка приводит пример с Transformers и AutoModelForCausalLM. Контекст составляет 8192 токена; в метаданных указаны тайский и английский языки. Модель распространяется на условиях Meta Llama 3 Community License. Карточка не содержит независимых оценок качества или подробного описания датасета, поэтому пригодность для конкретных сценариев следует проверять отдельно.

Llama3-DiscoLeo-8B-DARE-Experimental — созданная DiscoResearch экспериментальная диалоговая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она получена слиянием DiscoLeo Instruct и Meta Llama 3 8B Instruct методом DARE TIES; базой слияния служит Meta Llama 3 8B. DiscoLeo обучалась продолжением предобучения на 65 млрд токенов высококачественных немецких текстов. Модель предназначена для генерации текста и ответов в диалоге на немецком языке. Контекст составляет 8192 токена; модель использует формат safetensors и библиотеку Transformers. Лицензия — Llama 3. README называет модель экспериментальной, поэтому качество ответов может быть нестабильным; также следует учитывать условия лицензии Llama 3.

HeshamHaroon/llama-3-instruct-slerp-arabic — объединённая диалоговая языковая модель, созданная автором репозитория с помощью mergekit методом SLERP из meta-llama/Meta-Llama-3-8B-Instruct и HeshamHaroon/Egy_llama3. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она предназначена для диалоговой генерации текста. Модель принимает текст и выдаёт текст, а заявленный контекст составляет 8192 токена. Арабская направленность следует из названия модели и включения в слияние модели Egy_llama3; метаданные также указывают на чат-возможности. Модель может использоваться для общения и генерации ответов на арабском языке, однако в предоставленных материалах нет результатов оценки качества или подробного описания языкового покрытия. Лицензия — Llama 3 (llama3); условия Meta Llama 3 применяются к использованию и распространению модели.

Llama-3-SnowyRP-8B-V1-B — объединённая автором Masterjp123 модель для генерации текста и диалогов на основе семейства Llama 3. Она создана методом TIES merge из Meta-Llama-3-8B-Instruct, L3-Solana-8B-v1, L3-TheSpice-8b-v0.1.3 и предыдущей версии SnowyRP. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и доступна в формате safetensors без квантизации; заявленная длина контекста — 8192 токена. Модель предназначена для диалогового взаимодействия и генерации текста, в том числе ролевых ответов в формате с модифицированным Alpaca-промптом. Автор описывает исходные дообученные модели как менее ограниченные, однако не приводит оценок качества или подробных результатов тестирования. В карточке указаны лицензия Llama 3 и дополнительные лицензии компонентов с ограничениями на коммерческое использование; условия каждой лицензии следует проверить перед использованием.

Llama-Doctor-3.2-3B-Instruct — языковая модель для генерации текста и диалоговых ответов, созданная PrithivMLmods дообучением Meta Llama 3.2 3B Instruct на датасете avaliev/chat_doctor. Она предназначена для следования инструкциям и ответов в разговорных сценариях, в том числе на медицинские и технические вопросы. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 3,2 млрд параметров и принимает текстовые запросы, выдавая текст. Для неё указано окно контекста 131 072 токена; карточка называет Transformers и PyTorch для работы с моделью. Модель может использоваться в чат-ботах, виртуальных помощниках и инструментах генерации объяснений, кратких пересказов и ответов на вопросы. Специализированный обучающий набор ориентирован на диалоги с врачом, однако описание не подтверждает медицинскую точность или пригодность для принятия клинических решений. Лицензия — llama3.2; применяются условия лицензии Meta Llama 3.2.

Llamafia — разговорная языковая модель на архитектуре Mistral, представленная пользователем Hugging Face kevin009. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленное окно контекста — 8192 токена. В метаданных указана поддержка английского языка и формат весов Safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. В README приведены результаты оценивания на отдельных тестах рассуждения и понимания текста, включая AI2 Reasoning Challenge и HellaSwag; этих данных недостаточно для вывода о качестве в других задачах. Автор описывает модель как находящуюся в разработке или тестировании, поэтому её пригодность для стабильного применения не подтверждена. Лицензия — Apache 2.0.

MagicalGirl — объединённая модель генерации текста на архитектуре Llama, созданная автором KaraKaraWarehouse с помощью mergekit и метода SCE. В основу объединения вошла KaraKaraWitch/Llama-3.X-Workout-70B; также использованы SicariusSicariiStuff/Negative_LLAMA_70B, Steelskull/L3.3-Nevoria-R1-70b, Tarek07/Inception-LLaMa-70B и TheDrummer/Nautilus-70B-v0.1. Модель содержит 69,5 млрд параметров, работает с текстом и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации диалоговых и ролевых ответов. Автор отмечает, что она может быть недостаточно творческой или излишне многословной, а без системного промпта ответы могут быть оскорбительными и мрачными. Для использования автор приводит температуру 1,4 и Min P 0,03. Веса опубликованы в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели Salesforce/Llama-xLAM-2-70b-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.

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.

Mistral Marathi — языковая модель Echelon AI на архитектуре Mistral с 7,1 млрд параметров. Она дообучена на Marathi Wikipedia и наборе Alpaca Marathi Instruct; базовая модель — Mistral 7B. Модель предназначена для понимания и генерации текста на маратхи, включая диалоговые и инструктивные запросы. Её можно применять для подготовки учебных материалов, ответов на вопросы, объяснений и поддержки пользователей на маратхи. В метаданных указаны контекст до 32 768 токенов, формат safetensors и лицензия Apache-2.0. Карточка описывает обучение на двух наборах данных, но не приводит независимых оценок качества; ответы могут содержать ошибки, особенно за пределами маратхи и тематики обучения.

Mixtral-8x7B-Instruct-v0.1-japanese — модель генерации текста, разработанная ABEJA и основанная на Mixtral-8x7B-Instruct-v0.1. Авторы расширили японский словарь модели и провели продолжительное предварительное обучение; в карточке указаны разработчики Keisuke Fujimoto, Kentaro Nakanishi, Kyo Hattori, Shinya Otani и Shogo Muranushi. Модель предназначена для генерации текста и диалоговых сценариев на японском языке. Она использует архитектуру Mixtral MoE класса MixtralForCausalLM, содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит оценок качества и подробных ограничений; применимость к задачам за пределами японского языка не описана.

Kaoeiri/MS-Magpantheonsel-lark-v4x1.6.2RP-Cydonia-vXXX-22B-8.05 — текстовая генеративная модель, созданная Kaoeiri слиянием предобученных языковых моделей через mergekit. В качестве основы использована unsloth/Mistral-Small-Instruct-2409, а слияние выполнено методом DARE TIES; среди объединённых моделей есть варианты Cydonia, Pantheon-RP, SorcererLM, Magnum и другие модели на 22B параметров. Модель предназначена для диалогов и генерации текста, в том числе ролевых сценариев и художественных историй. Она построена на плотной архитектуре Mistral, имеет 22 млрд параметров и заявленный контекст до 131 072 токенов. Метаданные также отмечают интерфейс для вызова инструментов, однако подробности его использования в карточке не приведены. Модель работает с текстом и выдаёт текст. Карточка не описывает результаты оценки качества или конкретные ограничения генерации, поэтому надёжность ответов и поведение на отдельных задачах следует проверять на практике. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Munin Apertus 8B — датско-ориентированная текстовая языковая модель семейства Munin 1.0, разработанная Danish Foundation Models. Это дообученная версия swiss-ai/Apertus-8B-2509 с плотной архитектурой ApertusForCausalLM и 10,3 млрд параметров. Модель предназначена для генерации текста на датском языке и выполнения инструкций в диалоговых сценариях; поддерживает контекст до 65 536 токенов и работает только с текстом. Модель подходит для создания и редактирования датских текстов, ответов на запросы и диалоговых помощников. В README не приведены результаты бенчмарков, поэтому качество для конкретных задач по доступным сведениям оценить нельзя. Репозиторий распространяется в формате safetensors по лицензии Apache 2.0.

NextToken-model-2 — небольшая разговорная модель, разработанная somasekhar-dev и дообученная полным fine-tuning на базе архитектуры Qwen3. Она содержит 272,7 млн параметров, принимает текст и рассчитана на контекст до 2048 токенов. Модель предназначена для поддержки клиентов банков и NBFC: по сообщению пользователя и системному описанию доступных инструментов она определяет, подходит ли один из них, и извлекает аргументы. Обучение охватывает пять инструментов и сценарии без вызова инструмента; также добавлены примеры обычных задач вроде продолжения текста, суммаризации и составления списков. Поддерживаются хинди и английский языки. Это ранний чекпойнт после первой эпохи обучения на 15 894 примерах. В опубликованной карточке указано, что модель ненадёжно распознаёт некоторые сообщения, где упоминаются кредит или счёт без запроса на действие, и иногда вызывает инструмент в ответ на непринуждённые реплики. Полная схема из 41 инструмента превышает доступный контекст, а заполнение аргументов свободным текстом и многошаговое уточнение параметров не проверены. Результаты модели следует проверять, а действия, меняющие состояние, подтверждать перед выполнением. Лицензия в предоставленных данных не указана.

Это дообученная модель генерации текста на базе goldfish-models/nld_latn_100mb. Разработчик указывает, что модель обучалась с помощью TRL; архитектура — GPT-2, веса сохранены в формате safetensors. Модель предназначена для продолжения текста и генерации ответов на текстовые запросы, например в диалоговом сценарии. Контекст модели составляет 512 токенов. README показывает запуск через библиотеку Transformers и пример генерации ответа на вопрос. Данных о специализированной предметной области или лицензии в предоставленных материалах нет.

Модель anithasoma/nllb-finetuned-telugu разработана anithasoma на основе NLLB-200 Distilled 600M и дообучена для перевода английских предложений на разговорный телугу. Она использует архитектуру M2M100 и библиотеку Transformers; размер составляет 463,7 млн параметров, длина контекста — 1024 токена. Модель предназначена для разговорных переводов, неформальной переписки и приложений с диалоговым взаимодействием. В карточке указаны оценки BLEU и SacreBLEU по 43,12. Она распространяется по лицензии Apache-2.0.

KBNIT создала разговорную языковую модель для Kolon на базе davidkim205/nox-solar-10.7b-v4. Это плотная архитектура Llama с 10,6 млрд параметров и контекстом до 4096 токенов; модель предназначена для генерации текста и диалогового использования. Для дообучения применялись QLoRA с параметрами 256 и 64 и NEFTune; модель обучали пять эпох на изменённых частных данных. Модель поддерживает корейский и английский языки. Репозиторий содержит веса PyTorch, а лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Карточка не раскрывает состав обучающих данных и не приводит результаты оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

Lamsheeper/OLMo-0H-4D-50F-v2 — дообученная автором модель семейства OLMo 2 для генерации текста. В карточке указано, что для дообучения использовались пользовательские данные; базовая модель обозначена локальным путём, поэтому её идентификатор на Hugging Face установить нельзя. Модель имеет плотную архитектуру causal language model с 1,3 млрд параметров, 16 слоями и контекстом до 4096 токенов. Модель загружается через Transformers и распространяется в формате Safetensors. Метаданные указывают английский язык и лицензию Apache-2.0. Она подходит для генерации продолжений и другого текста на основе текстового запроса, однако карточка не описывает специализированные навыки или результаты оценки качества.

OpenCrystal-8B-L3 — разговорная языковая модель, созданная автором mpasila с помощью TIES-слияния моделей в mergekit. В объединение вошли nothingiisreal/L3-8B-Celeste-V1.2, Sao10K/L3-8B-Niitama-v1 и unsloth/llama-3-8b-Instruct; последняя использовалась как базовая для сохранения связности ответов. Модель построена на плотной архитектуре Llama и содержит около 7,5 млрд параметров. Модель предназначена для генерации текста в диалоге, ролевых сценариев и написания историй. Она принимает текстовые запросы, выдаёт текст и имеет контекстное окно 8192 токена. В репозитории указаны веса Safetensors и библиотека Transformers. Сведения о лицензии и конкретных ограничениях применения в доступных данных отсутствуют.

Helsinki-NLP/opus-mt-fr-ms — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer-align и реализованная как MarianMTModel. Она переводит текст с французского языка на малайский; README также указывает целевые языковые коды индонезийского и малайского вариантов. Для выбора целевого языка перед предложением требуется токен вида >>id<<. Модель насчитывает 54,6 млн параметров, использует SentencePiece с словарями размером 32 тыс. токенов и имеет контекст длиной до 512 токенов. Модель подходит для перевода отдельных фраз и текстов с французского на малайский. В тесте Tatoeba для пары fra–msa указаны BLEU 35,3 и chr-F 0,617. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-inc-en — модель машинного перевода из проекта OPUS-MT, основанная на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с группы индийских языков на английский. Среди исходных языков: ассамский, бенгальский, бходжпури, гуджарати, хинди, непальский, маратхи, ория, пенджаби, синдхи, сингальский и урду; README также перечисляет ряд других языковых разновидностей и письменностей. Для токенизации используется SentencePiece с моделями по 32 тысячи токенов. Модель содержит 56,8 млн параметров, её родной контекст — до 512 токенов. Модель подходит для перевода отдельных текстов и документов с поддерживаемых индийских языков на английский. В README приведены результаты BLEU на нескольких тестовых наборах, которые показывают заметно различающееся качество в зависимости от языка и набора. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

GenTrendGPT/OS-Test-Mark-GEN — объединённая автором с помощью mergekit языковая модель для генерации текста. В неё вошли Qwen/Qwen1.5-4B-Chat и TinyLlama/TinyLlama-1.1B-intermediate-step-1195k-token-2.5T; README указывает метод объединения passthrough. Модель имеет плотную архитектуру семейства Llama, около 2,4 млрд параметров и контекст до 2048 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В карточке нет результатов оценки качества или подробных рекомендаций по применению, поэтому пригодность для конкретных задач следует проверять отдельно. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Bunnycore Phi-3.5-Mini-Hyper — диалоговая языковая модель на архитектуре Phi-3, созданная объединением предварительно обученных моделей методом Model Stock с помощью mergekit. В основу объединения легла SicariusSicariiStuff/Phi-3.5-mini-instruct_Uncensored; в состав также вошли calme-2.1-phi3.5-4b, Phi-3.5-RP-Lora и phi3.5-gutenberg-4B. Модель предназначена для генерации текста в диалоговом формате. Она содержит около 3,7 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. Карточка не описывает конкретные гарантированные преимущества или дополнительные сценарии применения. Модель распространяется в формате safetensors; лицензия — Apache-2.0.

Phi-3-portuguese-tom-cat-4k-instruct — дообученная Rhaymison модель Microsoft Phi-3 Mini для генерации текста и выполнения инструкций на португальском языке. Она обучена на наборе примерно из 300 тысяч инструкций на португальском и подходит для диалогов, ответов на вопросы и других текстовых запросов на этом языке. Модель использует плотную архитектуру Phi-3ForCausalLM, содержит 3,7 млрд параметров и поддерживает контекст до 4096 токенов. Она доступна в формате Safetensors для Transformers; README также описывает запуск с 4- или 8-битной квантизацией для снижения требований к памяти. В приведённой оценке на португалоязычном бенчмарке средний результат составляет 64,57. Модель предназначена прежде всего для португальского языка; сведения о широкой многоязычной поддержке не приведены. Это генеративная языковая модель, поэтому ответы могут быть неточными. Лицензия — Apache-2.0.

fpadovani выпустил дообученную с помощью TRL модель на базе goldfish-models/eng_latn_100mb. Это плотная GPT-2-модель для генерации английского текста; её можно использовать для продолжения текста и ответов на открытые вопросы. Модель работает с библиотекой Transformers, веса доступны в формате safetensors, длина контекста — 512 токенов. Лицензия в предоставленных данных не указана.

qing-yao/ppt-pythia-1b-appendix-frequent-permuted-seed3407-stage1 — дообученная модель генерации текста, созданная на основе EleutherAI/pythia-1b с использованием TRL. Она построена на архитектуре GPT-NeoX и содержит 1,2 млрд параметров. Модель предназначена для генерации продолжений и ответов на текстовые запросы; в примере карточки показан диалоговый запрос на английском языке. Контекст — до 2048 токенов. Модель принимает текст и выдаёт текст. В карточке не описаны специализированная область применения или сравнительные преимущества. Базовая модель ориентирована на английский язык, однако отдельные языковые возможности этой производной версии подробно не перечислены. Репозиторий использует формат safetensors и библиотеку Transformers. Сведения о лицензии в доступных данных отсутствуют.

fpadovani/ppt-wc-uniform-newlex-66-eng-100mb_seed657 — дообученная модель семейства GPT-2, созданная на основе goldfish-models/eng_latn_100mb. Согласно карточке, модель обучена с помощью TRL и предназначена для генерации текста; пример показывает ответ на открытый вопрос на английском языке. Модель использует плотную архитектуру GPT-2 и формат весов safetensors. Её базовая модель ориентирована на английский язык, а длина контекста составляет 512 токенов. В метаданных указана лицензия? Нет сведений о лицензии в предоставленных данных.