III.4Клиентская поддержка и customer success

Beetle-Bilingual-Balanced-B1-FineWeb-Hin-Eng — языковая модель для генерации текста на хинди и английском языке, опубликованная в репозитории Beetle-FineWeb2-24B. По метаданным модель предназначена для задачи text generation и работает с библиотекой Transformers; в тегах также указана поддержка формата safetensors и компонента pico_decoder. README содержит автоматически сгенерированную карточку без подробностей о разработчиках, обучающих данных, архитектуре, оценивании и лицензии. Модель может использоваться для генерации, продолжения и черновой подготовки текста на поддерживаемых языках. Из-за отсутствия результатов тестирования и сведений о настройках применения качество, фактическое покрытие языков и пригодность для специализированных сценариев требуют самостоятельной проверки.

pysentimiento/bert-it-emotion — модель классификации текста, опубликованная проектом pysentimiento. Она предназначена для определения эмоций в итальянском тексте и относит его к одному из четырёх классов: радость, гнев, грусть или страх. Модель использует архитектуру BERT с головой классификации последовательностей; размер составляет 137,1 млн параметров, контекст — до 512 токенов. Модель принимает текст и выдаёт метки эмоций с оценками классов. Она подходит для анализа эмоциональной окраски сообщений и других коротких текстов на итальянском языке. Проверенные источники не сообщают лицензию этой модели; отдельная карточка на Hugging Face отсутствует, поэтому дополнительные гарантии качества и ограничения применения установить нельзя.

Это модель классификации тональности текста на амхарском языке, разработанная на основе bert-medium-amharic и дообученная на наборе данных rasyosef/amharic-sentiment. Она построена на архитектуре BERT и содержит 48,2 млн параметров; максимальная длина контекста составляет 512 токенов. Модель предназначена для определения тональности амхарских текстов, например коротких отзывов или сообщений. В README приведены результаты на оценочной выборке: accuracy 0,83, precision 0,84, recall 0,83 и F1 0,83. Для запуска используется библиотека Transformers и задача text-classification. Лицензия в предоставленных данных не указана.

Boana-7B-Instruct — языковая модель, разработанная Леонардо Соузой для работы с португальским языком. Это плотная авторегрессионная модель семейства LLaMA с архитектурой LlamaForCausalLM, дообученная на базе LLaMA2-7B; в репозитории указаны 6,6 млрд параметров и контекст 4096 токенов. Модель поддерживает диалог и выполнение инструкций, генерируя текст на португальском языке. Модель предназначена для генерации ответов и текста на португальском, включая диалоговые сценарии. Проект ориентирован на пользователей с ограниченными вычислительными ресурсами. В README приведены параметры генерации, включая штраф за повторы, выборку и температуру. Модель распространяется в формате Safetensors. В README указана лицензия Academic Free License 3.0, тогда как метаданные Hugging Face указывают Llama 2; условия использования следует сверять с файлами лицензии репозитория.

Bookworm-10.7B-v0.4-DPO — языковая модель Yanolja, дообученная методом Direct Preference Optimization (DPO) на базе yanolja/KoSOLAR-10.7B-v0.2 с использованием LLaMA-Factory. Базовая модель расширена корейским словарём и восходит к upstage/SOLAR-10.7B-v1.0. Модель построена на плотной архитектуре LLaMA с классом LlamaForCausalLM и содержит 10,6 млрд параметров; для хранения используются safetensors. Модель предназначена для генерации текста в диалоговом формате, прежде всего на корейском языке. При обучении использовались корейские переводы наборов Open-Orca/SlimOrca-Dedup и ultrafeedback-binarized-preferences-cleaned. Контекст составляет до 4096 токенов. Модель распространяется по лицензии Apache-2.0.

Bruphin-Mika-7B — разговорная языковая модель на архитектуре Mistral, созданная автором репозитория слиянием моделей Epiculous/Mika-7B и nbeerbower/bruphin-theta методом SLERP с помощью mergekit. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; её нативная длина контекста — 32 768 токенов. Модель предназначена для генерации диалогов и ролевых ответов. Базовая Mika-7B описана как разговорная модель, обученная на синтетических RP-данных; слияние объединяет её с Bruphin Theta. Репозиторий распространяет веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

LXDaugh разработал модель классификации китайскоязычного текста по шести категориям эмоций: гнев, страх, радость, нейтральное состояние, грусть и удивление. Она выполняет многометочную классификацию и подходит для анализа эмоциональной окраски китайских сообщений и текстов. Модель основана на BERT и имеет около 129,5 млн параметров. Она принимает текст, выдаёт метки эмоциональных категорий и поддерживает контекст длиной до 512 токенов. В карточке не описаны обучающие данные, метрики качества или условия лицензии, поэтому эти характеристики нельзя оценить по имеющимся сведениям.

Chronos-70b-v2 — языковая модель от elinas для генерации текста и диалогов, основанная на базовой модели Llama 2 Base. Это плотная авторегрессионная архитектура Llama с 68,7 млрд параметров; опубликованная версия использует PyTorch и SafeTensors в точности FP16 и имеет контекст до 4096 токенов. Модель предназначена прежде всего для чатов, ролевых диалогов и написания историй, а также заявлена улучшенная способность к рассуждению и логике. Для работы автор рекомендует формат инструкций Alpaca: запрос оформляется блоками Instruction и Response. Модель генерирует связный длинный текст и, по заявлению автора, не имеет встроенных ограничений на содержание. Полная версия слишком велика для потребительской видеокарты; автор указывает на доступные квантованные варианты. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Это дообученная модель генерации текста на базе goldfish-models/dan_latn_10mb, созданная с использованием TRL и опубликованная пользователем francesca9805. В карточке приведён пример запуска через Transformers: модель получает вопрос и генерирует продолжение текста. Модель построена на архитектуре GPT-2 и сохранена в формате Safetensors. Максимальная длина контекста — 512 токенов. Размер модели, поддерживаемые естественные языки и конкретные области применения в предоставленных данных не указаны. Лицензия в метаданных и карточке не приведена.

fpadovani выпустил дообученную с помощью TRL модель на базе goldfish-models/dan_latn_10mb. Это плотная GPT-2 с задачей генерации текста и контекстом 512 токенов; в карточке приведён пример ответа на открытый вопрос. Модель рассчитана на текстовые запросы и выдачу текста. Лицензия в доступных данных не указана.

DAVinCI-Yi-Ko-6B-v0.61-ff-e1 — дообученная языковая модель семейства Llama, основанная на beomi/Yi-Ko-6B. Она предназначена для генерации текста; карточка не описывает конкретные сценарии применения или данные, на которых выполнялось дообучение. Модель содержит 5,9 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст длиной до 2048 токенов. Модель распространяется в формате Safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README приводит параметры обучения, включая одну эпоху и оптимизатор Adam, но не содержит результатов оценки или описания возможностей и ограничений качества.

Dolly_Shygmalion-6b-Dev_V8P2 — объединённая языковая модель TeH_Venom на основе GPT-J-6B-Shinen, databricks/dolly-v1-6b и Pygmalion-6b DEV (V8 / Part 2), смешанных в пропорции 20:20:60. Это плотная авторегрессионная модель GPT-JForCausalLM примерно на 6 млрд параметров, предназначенная для продолжения диалога и генерации ответов в формате переписки. Она принимает текст и генерирует текст на английском языке; длина контекста — 2048 токенов. Модель рассчитана на разговорное использование, в том числе через KoboldAI. Смешивание весов призвано сочетать свойства исходных моделей, но может ослаблять отдельные качества; формальной оценки нет. В README отмечены возможные гендерные, профессиональные, расовые и религиозные предубеждения, а также умеренная склонность к NSFW-контенту. Лицензия — Apache-2.0; автор рекомендует ответственное использование.

Это GGUF-конверсия EngGPT2-16B-A3B, опубликованная Roberto Bissanti. Модель относится к семейству EngGPT2 и использует архитектуру mixture-of-experts; файл весов представлен в формате GGUF с точностью BF16. Она предназначена для генерации текста и диалогового взаимодействия на английском, итальянском, французском, немецком, португальском и испанском языках. Модель можно использовать для генерации продолжений текста и ответов в чате. Для запуска требуется версия llama.cpp с патчем поддержки этой модели; стандартные сборки llama.cpp и Ollama могут не загрузить её. Лицензия EngGPT Non-Commercial License разрешает только исследовательское и некоммерческое использование.

vicgalle/franken-SOLAR-18B-v1.0 — языковая модель, созданная методом frankenmerge с помощью mergekit: в ней чередуются слои Nous-Hermes-2-SOLAR-10.7B и SOLAR-10.7B-Instruct-v1.0. Модель разработал vicgalle; она основана на архитектуре Llama и содержит 17,8 млрд параметров. Модель предназначена для генерации текста и диалогов, выполнения инструкций и ролевых сценариев. Автор отмечает хорошие способности к письму, особенно для ролевой игры; в README также приведены результаты нескольких тестов, но подробная оценка обещана отдельно. Модель принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Базовая SOLAR-10.7B-Instruct ориентирована на английский язык; другие языки в карточке не заявлены. Модель распространяется по лицензии Apache-2.0. Это экспериментальная сборка из чередующихся слоёв, поэтому качество может различаться между задачами; собственная подробная оценка модели в карточке отсутствует.

gemma-2-2b-it-MT-SFT — дообученная модель Google Gemma 2, подготовленная для машинного перевода на наборе sardinelab/MT-pref. Это плотная авторегрессионная языковая модель с архитектурой Gemma2ForCausalLM и 2,7 млрд параметров; она принимает текст и генерирует текст перевода. Контекст модели — до 8192 токенов. Модель подходит для перевода текстов в диалоговом формате. Метаданные также относят к её поддерживаемым задачам генерацию текста. Карточка не сообщает, какие языковые пары и направления перевода проверялись, поэтому нельзя определить её языковое покрытие и качество для конкретных пар. Модель распространяется под лицензией Gemma.

Это дообученная модель генерации текста на базе google/gemma-2-2b-it. В карточке указана архитектура Gemma 2 с плотной структурой и 2,7 млрд параметров; модель предназначена для генерации текста. Контекстное окно составляет 8192 токена. README не описывает конкретное назначение дообучения, обучающие данные или результаты оценки, поэтому сценарии применения и качество этой версии нельзя надёжно уточнить. Модель распространяется в формате safetensors по лицензии Gemma.

IJAS/gemma270m — дообученная IJAS языковая модель семейства Gemma 3 Text с плотной архитектурой Gemma3ForCausalLM и 257 млн параметров. Базовая модель — unsloth/gemma-3-270m-unsloth-bnb-4bit; обучение проводилось с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и может использоваться в задачах продолжения текста и построения простых текстовых ответов. Заявленная длина контекста — 32 768 токенов. В карточке указан английский язык и лицензия Apache-2.0. Описание не раскрывает специализацию дообучения и результаты оценки качества, поэтому пригодность для конкретных сценариев требует проверки.

Gemma-3-1B-it-sv-CPT-sv-SmolTalk — дообученная разговорная текстовая модель на архитектуре Gemma 3, представленная как fine-tuned версия с обучением через TRL. Она предназначена для генерации ответов в диалогах и запускается через библиотеку Transformers как задача text-generation. Модель содержит 1 млрд параметров и поддерживает контекст до 32 768 токенов. В названии указана ориентация на шведский язык, однако карточка не описывает языковое покрытие или конкретные сценарии обучения. Репозиторий содержит веса в формате safetensors и заявляет возможность чата. Лицензия в предоставленных данных не указана.

Hemmingway-1-Q4_K_M-GGUF — это квантованная модель генерации текста в формате GGUF, созданная на основе Altworld/Hemmingway-1. Конвертацию выполнил пользователь или организация taniks с использованием llama.cpp и сервиса GGUF-my-repo. Модель предназначена для локального запуска через llama.cpp, включая работу в режиме командной строки и серверном режиме. Основные сценарии применения — генерация текста, диалоговые взаимодействия и творческое письмо на английском языке. В карточке указано окно контекста 2048 токенов для рекомендуемого запуска. Квантование Q4_K_M уменьшает требования к памяти и подходит для локального вывода, однако может снижать точность и качество по сравнению с полноразмерной версией. Архитектура, количество параметров, поддерживаемые модальности и дополнительные характеристики в README не указаны. Модель распространяется по лицензии Apache-2.0. Для использования требуется совместимое окружение llama.cpp; конкретные требования к объёму памяти и аппаратному ускорению зависят от используемого устройства и конфигурации сборки.

Модель francesca9805/hin-deva-100mb-after-ppt-Dp-100mb-packed-bfdiso-ckpt500_seed10 — дообученная Francesca9805 GPT-2 для генерации текста. Она обучена с помощью TRL и предназначена для продолжения текста и ответов на запросы в формате диалога. Модель использует плотную архитектуру GPT-2 и принимает текст; максимальная длина контекста — 512 токенов. В карточке приведён пример генерации ответа на вопрос с ограничением в 128 новых токенов. Условия лицензии в предоставленных данных не описаны.

Huihui-HY-MT1.5-1.8B-abliterated-i1-GGUF — это набор квантованных файлов GGUF на основе модели Huihui-HY-MT1.5-1.8B-abliterated, разработанной huihui-ai и подготовленной квантизатором mradermacher. Модель предназначена прежде всего для машинного перевода и поддерживает широкий набор языков, включая китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, немецкий и многие другие. Размер базовой модели составляет 1,8 млрд параметров. В репозитории представлены варианты квантизации i1 с форматами IQ и Q, размером примерно от 0,6 до 1,4 ГБ, а также imatrix-файл для самостоятельного создания квантованных версий. Это позволяет запускать модель на устройствах с ограниченными ресурсами и выбирать компромисс между скоростью, занимаемой памятью и качеством. В README не указаны архитектура, размер контекста, дополнительные модальности и точные характеристики качества. Сильной стороной модели является поддержка большого числа языков и наличие компактных вариантов GGUF для локального использования. При этом низкобитные варианты могут заметно уступать по качеству; для некоторых файлов README отдельно отмечает низкое качество, тогда как i1-Q4_K_S и i1-Q4_K_M представлены как сбалансированные или рекомендуемые варианты. Модель обозначена как abliterated и uncensored, однако подробное описание этих свойств отсутствует. Лицензия в предоставленных данных не указана.

AngelSlim представляет квантизированную версию модели перевода Hy-MT1.5-1.8B, разработанной командой Tencent Hunyuan. Она предназначена для взаимного перевода между 33 языками и поддерживает 1 056 направлений перевода, включая пять диалектов и языков меньшинств. Модель содержит 1,8 млрд параметров, использует плотную архитектуру HunYuanDenseV1ForCausalLM и рассчитана на контекст до 262 144 токенов. Веса сжаты до эффективной разрядности 1,25 бита методом Sherry: для каждой группы из четырёх весов три хранятся в 1-битном виде, а один обнуляется. По README, размер сжатой версии составляет 440 МБ; она предназначена для офлайн-перевода на мобильных устройствах с ограниченной памятью. Репозиторий предоставляет веса в safetensors, а также заявляет выпуск формата GGUF и поддержку мобильного ядра STQ. Модель подходит для перевода сообщений, писем, веб-страниц и отдельных слов без передачи данных в сеть. README сообщает о минимальной потере качества при сжатии, но не приводит численных результатов именно для этой версии; фактические скорость и качество могут зависеть от устройства и реализации ядра. Лицензия в предоставленных данных не указана.

Модель francesca9805/isl-100mb-after-wc-uniform-newlex-before-ckpt500-packed-bfdiso_seed3407 — дообученная версия GPT-2, созданная на основе francesca9805/ppt-wc-uniform-newlex-isl-before-100mb-packed-bfdiso_seed3407 с использованием TRL. Это плотная авторегрессионная языковая модель для генерации текста и ответов на текстовые запросы; в карточке приведён пример ответа на вопрос в формате диалога. Контекст модели составляет до 512 токенов, веса сохранены в формате safetensors и предназначены для использования с Transformers. Базовая модель ориентирована на английский текст. Лицензия в предоставленных данных не указана.

Модель Francesca9805 isl-latn-100mb-ppt-Dp-100mb-packed-bfd_seed455 — дообученная с помощью TRL модель семейства GPT-2 на базе goldfish-models/isl_latn_100mb. Она предназначена для генерации текста и может применяться для продолжения заданного текста и ответов на запросы в формате диалога. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекст длиной 512 токенов. Лицензия и поддерживаемые естественные языки в доступных данных не указаны.

Модель francesca9805/ita-latn-10mb-after-ppt-Dp-100mb-packed-bfdiso-ckpt500_seed455 — компактная GPT-2, дообученная Francesca9805 с помощью TRL на базе francesca9805/ita-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed455. Она предназначена для генерации текста в формате диалога: в карточке приведён пример ответа на вопрос с открытым выбором. Модель принимает текст и выдаёт текст; заявленная длина контекста — 512 токенов. В метаданных указан формат весов safetensors и библиотека Transformers. Карточка не сообщает размер модели или лицензию, поэтому условия использования определить нельзя.

Модель fpadovani/jpn-100mb-after-eng-baseline-newlexicon-zipf-ckpt500_seed3407 — дообученная версия GPT-2, созданная на основе fpadovani/ppt-art-lang-newlexicon-zipf-eng-baseline-100mb_seed3407 с использованием TRL. Она предназначена для генерации текста и ответов на открытые вопросы; карточка демонстрирует запрос в формате сообщения пользователя и генерацию продолжения. Модель использует архитектуру GPT2LMHeadModel и принимает текст, выдавая текст. Нативная длина контекста — 512 токенов. Базовая модель описана в метаданных как модель для генерации английского текста и ответов на открытые вопросы. README не сообщает отдельные сведения о лицензии или ограничениях качества.

Это дообученная модель семейства GPT-2, созданная на основе fpadovani/ppt-wc-uniform-oldlex-eng-100mb_seed3407 и обученная с помощью TRL. Она предназначена для генерации текста на английском языке и может использоваться для ответов на вопросы и продолжения заданного текста. Модель работает с текстом, имеет контекст длиной 512 токенов и распространяется в формате Safetensors. Карточка показывает пример генерации ответа на вопрос, но не приводит сравнительных оценок качества. Лицензия в предоставленных данных не указана.

trinhkhng/karcher_Merged_gpt2-medium_0.2 — языковая модель GPT-2 medium, созданная слиянием предобученных моделей с помощью Karcher Mean и mergekit. В слиянии участвовали /kaggle/working/gpt2-medium и /kaggle/working/debias_gpt2-medium. Модель предназначена для генерации текста и продолжения заданного фрагмента. Она использует архитектуру GPT-2 с плотной сетью и принимает текст, выдавая текст; длина контекста составляет 1024 токена. Карточка не приводит оценок качества или результатов проверки влияния слияния на предвзятость. Модель распространяется в формате safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

kiqu-70b — разговорная языковая модель на архитектуре Llama, разработанная maywell. Это плотная модель с 68,7 млрд параметров, дообученная методом SFT+DPO на корейских наборах данных на основе Miqu-70B-Alpaca-DPO; она предназначена для генерации текста и диалогов. Модель использует формат инструкций Mistral, поддерживает контекст до 32 764 токенов и рассчитана прежде всего на корейский язык, также заявлена поддержка английского. Автор рекомендует использовать несколько примеров в запросе и предупреждает, что пробел после маркера [/INST] может заметно влиять на качество ответа. Бенчмарки в карточке не приведены. Лицензия модели — CC BY-SA 4.0; базовая модель описана как ранняя утечка Mistral-Medium, поэтому автор оставляет коммерческое использование на риск пользователя.

nayohan/ko-ref-llama2-7b-Inst — инструктивно дообученная модель на основе hyunseoki/ko-ref-llama2-7b, построенной на архитектуре LLaMA 2. Модель содержит 6,6 млрд параметров и рассчитана на генерацию текста по инструкциям на корейском языке. По README, для дообучения использовали 10% инструктивного набора Kullm, OIG и KoAlpaca; указана длина обучения 152 шага. Модель принимает текст и выдаёт текст, поддерживает контекст до 2048 токенов и распространяется под лицензией Apache-2.0. Карточка содержит мало сведений об оценке качества и ограничениях; короткое обучение на части данных может ограничивать широту следования инструкциям.