III.4Клиентская поддержка и customer success

Kromvault L3.1-Siithamo-v0.3-8B — экспериментальная объединённая языковая модель семейства Llama 3.1, созданная автором kromvault. Она предназначена для генерации текста и диалогов; автор описывает эту версию как попытку уменьшить многословность и вычурный стиль предыдущей версии. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 131 072 токенов. В состав слияния вошли несколько моделей Llama 3 и Llama 3.1, включая варианты для ролевых диалогов и повествования. Автор отмечает, что модель хуже работает на длинном контексте. В карточке приведены рекомендованные параметры генерации. Репозиторий содержит веса в формате Safetensors; автор также упоминает собственные GGUF-квантизации. Информация о лицензии в предоставленных данных отсутствует.

Fischerboot/L3-Sophie-improved-v1 — слитая языковая модель на архитектуре Llama 3, созданная автором репозитория с помощью mergekit. В объединении использован метод passthrough и две модели: Fischerboot/LLama3-Lexi-Aura-3Some-SLERP-SLERP-ql-merge и Fischerboot/sophie-improved. Модель содержит 7,5 млрд параметров, работает через Transformers и рассчитана на генерацию текста в диалоговом формате с контекстом до 8192 токенов. Модель предназначена для общения и генерации текста; базовая слитая модель ориентирована прежде всего на английский язык. Автор предупреждает, что не рекомендует модель для широкого применения, поэтому её практическое качество и надёжность следует проверять на целевых задачах. В репозитории указаны веса safetensors и формат bfloat16. Сведения о лицензии в предоставленных данных отсутствуют.

LayliticDolphinOpus — языковая модель на архитектуре Mistral-7B, созданная автором репозитория методом Model Stock mergekit из нескольких предварительно обученных моделей. В объединение вошли Dolphin 2.8, Layla v4 и Opus v1.2; базой указана alpindale/Mistral-7B-v0.2-hf. Модель содержит 7,1 млрд параметров, работает с текстом и имеет контекстное окно до 32 768 токенов. Модель предназначена для генерации текста, в том числе диалоговых ответов и ролевых историй; автор также отмечает возможность выполнять некоторые задачи ассистента. Рекомендуемый формат диалога — ChatML, однако автор не уверен, какой формат работает лучше всего. В карточке не указаны поддерживаемые естественные языки и лицензия.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune. Она предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 1,7 млрд параметров, использует архитектуру NMMaskMoELLaVAQwen3 и рассчитана на контекст до 40 960 токенов. Данные обучения в карточке не описаны. Модель опубликована в формате PyTorch/Safetensors и доступна по лицензии Apache-2.0. README не приводит результатов оценки или подробностей о предполагаемых сценариях применения, поэтому качество и поведение на конкретных задачах по карточке определить нельзя.

Maelstrom_4B — разговорная модель на 3,9 млрд параметров, созданная при участии нескольких участников Anthracite. Это слияние моделей Deedlit, NeuroCom, NeuroCom v2, Luxe и Zenith на базе производной от Minitron архитектуры Llama; модель предназначена для роли универсального ассистента и ролевых диалогов. Репозиторий содержит веса в формате Safetensors, модель использует Transformers и заявляет контекст до 131 072 токенов. При этом README уточняет, что на всех этапах модель настраивали с контекстом 8 тыс. токенов, поэтому заявленную длину контекста следует учитывать с этой оговоркой. Лицензия — Apache-2.0. Карточка не приводит оценок качества и подробностей о поведении модели в разных языках или сценариях.

mergekit-community/mergekit-slerp-euzaldk — объединённая авторами репозитория модель на архитектуре Mistral, созданная методом SLERP из openchat/openchat-3.5-0106 и letgoofthepizza/Mistral-7B-v0.1-finetuned-open-korean-instructions. Это языковая модель с 7,1 млрд параметров и контекстом до 8192 токенов, предназначенная для генерации текста и диалогового общения. Модель рассчитана на запросы и ответы в формате чата; один из объединённых чекпойнтов дообучен на инструкциях на корейском языке. В карточке не приведены результаты оценки качества или подробные сведения о поведении объединённой модели. Репозиторий содержит веса в формате safetensors и указывает библиотеку Transformers. Лицензия в предоставленных данных не указана.

bunnycore/mergekit-ties-fftkoci — объединённая модель для генерации текста, созданная разработчиком с помощью mergekit методом TIES на основе нескольких предварительно обученных языковых моделей. В качестве базовой указана ArliAI/Phi-3.5-mini-3.8B-ArliAI-RPMax-v1.1; также в объединение вошли calme-2.1-phi3.5-4b и две версии Phi-3.5-mini-TitanFusion. Модель имеет плотную архитектуру Phi-3 и около 3,7 млрд параметров. Модель предназначена для генерации текста и чат-диалогов. Базовая модель связана с творческим письмом и ролевыми диалогами; эти характеристики могут быть актуальны и для результата объединения, но README не приводит отдельных оценок его качества или подробных инструкций по применению. Контекст составляет 4096 токенов. Веса доступны в формате safetensors, библиотека — Transformers. Лицензия в предоставленных данных не указана.

Merge-Mayhem-L3-V2 — языковая чат-модель на архитектуре Llama 3, созданная автором saishf объединением предварительно обученных моделей с помощью mergekit и метода Model Stock. В качестве базовой использована openlynn/Llama-3-Soliloquy-8B-v2; в состав также вошли варианты Meta-Llama-3-8B-Instruct с доработками Aura, BlueMoon, Luna, RP_Format_QuoteAsterisk и Smarts. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 24 576 токенов. Модель предназначена для диалогов и генерации текста, включая ролевые сценарии с форматированием реплик. Автор описывает её как необычную и более резкую по тону, чем большинство моделей Llama 3, и отмечает, что она ориентирована на пользователей, которым такой стиль подходит. Лицензия — CC BY-NC 4.0, поэтому коммерческое использование не разрешено условиями этой лицензии.

shleeeee (Seunghyeon Lee) и oopsung (Sungwoo Park) разработали mistral-ko-OpenOrca-2000 — дообученную на корейском языке модель Mistral-7B-v0.1. Это плотная авторегрессионная модель с архитектурой MistralForCausalLM и 7,1 млрд параметров; контекст составляет до 32 768 токенов. Модель обучалась два эпоха на 2 000 примерах набора ko-OpenOrca с шаблоном запросов Mistral [INST]...[/INST]. Она предназначена для генерации текста и ответов на инструкции на корейском языке. В README указано обучение с использованием LoRA для проекционных слоёв внимания и gate_proj; веса репозитория представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Multilingual Grammar Corrector using mT5-small — дообученная модель на архитектуре mT5-small для исправления грамматических ошибок в коротких предложениях. Разработчик обучал её на синтетических и отобранных вручную данных; заявлены английский, испанский, французский и русский языки. Размер модели — 157,4 млн параметров; веса опубликованы в формате safetensors. Модель принимает текст и генерирует исправленный вариант, поэтому подходит для корректуры коротких фраз на четырёх заявленных языках. В README приведены ориентировочные показатели: 99% для английского, 75% для испанского, 70% для французского и 80% для русского, однако методика оценки не описана. Лицензия — MIT.

Модель fpadovani/nld-100mb-after-nld_newlexicon_uniform-ckpt500_seed3407 разработана fpadovani и представляет собой дообученную GPT-2 для генерации текста. Она создана на базе fpadovani/ppt-nld_newlexicon_uniform-100mb_seed3407 и обучалась с использованием TRL. Пример в карточке показывает генерацию ответа на вопрос пользователя. Модель предназначена для продолжения текста и создания ответов на запросы в формате диалога. Она принимает текст и генерирует текст; максимальный контекст составляет 512 токенов. Репозиторий содержит веса в формате safetensors. Сведения о поддерживаемых языках и лицензии в предоставленных данных отсутствуют.

OOM-13B_02 — языковая модель giprime на 12,9 млрд параметров с плотной архитектурой LlamaForCausalLM и оптимизированным трансформером на основе Llama 2. Она предназначена для генерации текста; в карточке указана связь с beomi/llama-2-koen-13b, поэтому модель является дообученной производной этой базы. Метаданные карточки отмечают английский и корейский языки и контекст длиной 2048 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Она распространяется в формате safetensors по лицензии CC-BY-NC-SA-4.0, которая ограничивает коммерческое использование. В карточке не описаны конкретные оценки качества или сценарии применения.

Helsinki-NLP/opus-mt-ja-tr — модель машинного перевода, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с японского на турецкий; архитектура — Transformer-align на базе MarianMT, размер — 58,4 млн параметров. Модель обрабатывает текст с нормализацией и токенизацией SentencePiece и имеет контекст до 512 токенов. Модель подходит для перевода японских фраз и документов на турецкий язык. В карточке приведён результат BLEU 16,7 и chr-F 0,434 на наборе Tatoeba-test.jpn.tur; эти показатели относятся к указанному тесту и не гарантируют такое же качество на других текстах. Модель опубликована в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0. Она предназначена для перевода только в направлении с японского на турецкий; сведения о поддержке обратного перевода не приводятся.

PegasusparaphraserCom8 — модель Gayathri142214002, дообученная на основе Gayathri142214002/Pegasus_paraphraser_Com_7 для перефразирования текста. Она использует архитектуру PegasusForConditionalGeneration и содержит 366,8 млн параметров. Модель принимает текст и генерирует переформулированный текст; в метаданных указан контекст длиной 60 токенов. В README приведено значение loss 0,1785 на наборе оценки, но набор данных и подробности оценки не описаны. Модель распространяется по лицензии Apache-2.0.

atsumoto/phi-1_5-alpaca-cleaned — англоязычная инструкционная модель, созданная дообучением Microsoft Phi-1.5 на наборе yahma/alpaca-cleaned. Использовано полное дообучение параметров без LoRA; формат запроса задаёт инструкцию и, при необходимости, входные данные, после которых модель формирует ответ. Модель относится к семейству Phi и имеет плотную архитектуру PhiForCausalLM с 1,7 млрд параметров. Она предназначена для генерации текста по инструкциям, например для преобразования предложений и выполнения других текстовых запросов на английском языке. Контекст составляет 2048 токенов. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Карточка демонстрирует выполнение конкретной инструкции, но не приводит оценок качества или гарантий надёжности. Как и другие языковые модели, она может выдавать ошибочные ответы; небольшой контекст ограничивает работу с длинными входами.

Модель fpadovani/ppt-art-lang-newlexicon-zipf-soft0.7-eng-baseline-100mb_seed3407 — дообученная версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Автор карточки сообщает, что обучение выполнено с помощью TRL; модель предназначена для генерации английского текста и может использоваться для продолжения текста или ответа на открытые вопросы. В карточке приведён пример запуска через Transformers pipeline с запросом в формате чата. Модель использует архитектуру GPT-2 и формат весов safetensors. Длина контекста составляет 512 токенов. Карточка не сообщает лицензию и не описывает специальную предметную область или гарантии качества.

Модель francesca9805/ppt-wc-uniform-newlex-hin-before-100mb-packed-bfdiso_seed3407 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации текста: пример в карточке показывает продолжение ответа на вопрос на английском языке. Модель принимает текст и выдаёт текст; максимальная длина контекста составляет 512 токенов. Веса доступны в формате Safetensors. Лицензия в предоставленных сведениях не указана.

Модель francesca9805/ppt-wc-uniform-newlex-isl-before-100mb-packed-bfdiso_seed10 — дообученная с помощью TRL одноязычная GPT-2-модель на основе goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; пример в карточке показывает ответ на открытый вопрос в формате диалога. Модель использует архитектуру GPT-2 и библиотеку Transformers, веса хранятся в формате safetensors, контекст составляет 512 токенов. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-tam-after-100mb-packed-bfdiso_seed10 — дообученная Francesca9805 версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; в карточке показан пример ответа на открытый вопрос. Модель обучена с использованием TRL и представлена в формате safetensors для библиотеки Transformers. Контекст составляет 512 токенов. Сведений о лицензии в доступных данных нет.

Модель francesca9805/ppt-wc-uniform-newlex-urd-before-100mb-packed-bfdiso_seed455 — дообученная с помощью TRL версия одноязычной GPT-2-модели Goldfish goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста и может использоваться для продолжения текста или получения свободного ответа на заданную тему. Модель принимает текст и выдаёт текст; контекст составляет 512 токенов. Веса представлены в формате safetensors. Лицензия в доступных данных не указана.

Модель Francesca9805 — дообученная с помощью TRL версия одноязычной GPT‑2-модели Goldfish goldfish-models/eng_latn_100mb. Она предназначена для генерации продолжений текста и ответов на текстовые запросы; в карточке приведён пример ответа на открытый вопрос. Модель использует архитектуру GPT-2 и формат весов safetensors, а её контекст составляет 512 токенов. Базовая модель ориентирована на английский текст, поэтому примеры применения в первую очередь связаны с англоязычной генерацией. Данных об оценке качества и специальных предметных областях в карточке нет. Лицензия в предоставленных сведениях не указана.

fpadovani выпустил дообученную на TRL модель на базе goldfish-models/eng_latn_100mb. Это плотная GPT-2-подобная языковая модель для генерации английского текста; её можно использовать для продолжения текста и ответов на открытые вопросы. Модель распространяется в формате Safetensors и имеет контекстное окно 512 токенов. Лицензия в предоставленных данных не указана.

ppt-wc-zipf-newlex-77-eng-100mb_seed455 — дообученная модель семейства GPT-2, созданная на основе goldfish-models/eng_latn_100mb с помощью TRL. Она предназначена для генерации английского текста; карточка демонстрирует запрос в формате вопроса и ответа. Модель использует архитектуру GPT2LMHeadModel, формат safetensors и контекст длиной 512 токенов. Лицензия в доступных данных не указана.

Это дообученная модель GPT-2 для генерации текста на английском языке. Автор модели — fpadovani; исходная модель разработана Goldfish и дообучена с помощью TRL. В карточке приведён пример генерации ответа на вопрос в диалоговом формате. Модель хранится в формате safetensors и имеет контекстное окно 512 токенов. Её можно применять для генерации продолжений и коротких ответов на английском языке. Данных о специальных предметных областях или дополнительных возможностях карточка не приводит. Лицензия в доступных сведениях не указана.

Модель francesca9805/ppt-wc-zipf-newlex-swe-before-100mb-packed-bfd_seed3407 — дообученная с помощью TRL версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста по текстовому запросу; в карточке приведён пример ответа на открытый вопрос. Модель использует архитектуру GPT-2, веса сохранены в формате safetensors, максимальный контекст составляет 512 токенов. Разработчик и лицензия в предоставленных данных не указаны.

Martinbvt/qwen25-0.5b-ifeval-fr — компактная языковая модель Qwen2.5, дообученная методом LoRA на базе Qwen/Qwen2.5-0.5B-Instruct для выполнения проверяемых инструкций на французском языке. Она предназначена для генерации текста и диалоговых сценариев, где важно следовать чётким требованиям к ответу. Модель построена на архитектуре Qwen2ForCausalLM семейства Qwen2, содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Модель ориентирована на французский язык и обучена для инструкционного взаимодействия. Весовые файлы представлены в формате safetensors; README указывает на float16 и отсутствие необходимости в trust_remote_code. Лицензия — Apache-2.0. Размер модели делает её пригодной для локального запуска на совместимом оборудовании, хотя качество и скорость будут зависеть от вычислительных ресурсов.

Это языковая модель Qwen2.5-0.5B-Instruct, созданная командой Qwen и опубликованная участником Gensyn Swarm под именем extinct_fast_lobster. Модель имеет архитектуру Qwen2, около 494 млн параметров и контекст до 32 768 токенов; она принимает текст и генерирует текст, в том числе в формате диалога. Публикация связана с раундами обучения rl-swarm, однако доступные сведения не позволяют точно установить, какие изменения внесены относительно исходной модели. Модель подходит для генерации текста, диалогов и лёгких инструктивных задач. Базовая Qwen2.5-0.5B-Instruct поддерживает множество языков, включая английский, китайский, французский, испанский, португальский, немецкий, итальянский, русский и японский. Для базовой модели указана лицензия Apache-2.0; применимость лицензии к данной копии следует сверять с карточкой самого репозитория. Малый размер ограничивает её возможности по сравнению с более крупными моделями.

RobBERT-2026 — нидерландоязычная модель-энкодер, выпущенная разработчиком RobBERT. Она обучена с нуля на архитектуре NeoBERT для предсказания пропущенных токенов и общих задач понимания нидерландского текста. По карточке, обучение проведено примерно на 27 млрд токенов из лицензированных или синтетических источников; в метаданных указан размер 302,6 млн параметров, а в README — 275 млн. Модель предобучалась на последовательностях длиной 512 токенов; таблица RoPE рассчитана на 8192, но README не подтверждает, что такую длину поддерживает предобучение. Модель можно применять как основу для заполнения пропусков, классификации текста и ответов на вопросы на нидерландском языке. В сравнительной оценке на SQuAD-NL она показала F1 69,6, а на DBRD — точность определения тональности 93,3. Лицензия репозитория — MIT. Для загрузки README указывает на необходимость `trust_remote_code=True`.

SmerkyG/rwkv-5-world-1b5 — языковая модель на архитектуре RWKV-5 с 1,5 млрд параметров, представленная в формате PyTorch. Она предназначена для генерации текста и диалогов: в примерах отвечает на английском и китайском языках. Модель можно запускать на CPU и GPU, а README также упоминает пакетный вывод. Карточка не сообщает базовую модель, лицензию, длину контекста или специальные ограничения на применение. Пример диалога показывает ответы в формате ассистента, однако приведённый китайский ответ обрывается; качество и полнота генерации по карточке оценить нельзя.

trinhkhng/slerp_Merged_gpt2-medium_0.4 — объединённая языковая модель на базе GPT-2 Medium, созданная методом SLERP с помощью mergekit из моделей gpt2-medium и debias_gpt2-medium. Она предназначена для генерации текста по текстовому запросу и может использоваться для продолжения фраз и создания черновиков. Модель использует архитектуру GPT-2 с плотными слоями и форматом весов safetensors; максимальный контекст составляет 1024 токена. В карточке не указаны поддерживаемые естественные языки и условия лицензии, поэтому нельзя определить, насколько хорошо модель работает на конкретных языках или каковы условия её использования.