III.4Клиентская поддержка и customer success

distillspec-smollm-cnn-fkl — диалоговая языковая модель на архитектуре Llama, дообученная автором с помощью TRL. Она предназначена для генерации ответов в формате чата и запускается через Transformers как модель задачи text-generation. В репозитории указано 361,8 млн параметров и контекстное окно 2048 токенов; веса опубликованы в формате safetensors. Модель можно использовать для генерации ответов на пользовательские вопросы и ведения простого диалога. Карточка не сообщает, на каких данных и для каких специальных областей проводилось обучение. Базовая модель в README обозначена как None, поэтому установить её по карточке нельзя. Лицензия в предоставленных данных не указана.

Fischerboot/german-2b — объединённая языковая модель, созданная Fischerboot с помощью mergekit из Aculi/Tinyllama-2B и Fischerboot/ger-lora-3k-checkpoint. Это плотная авторегрессионная архитектура LlamaForCausalLM примерно на 2 млрд параметров, предназначенная для генерации текста; в репозитории указаны веса safetensors, а в конфигурации слияния — bfloat16. Родительская модель описана как компактная Llama для генерации текста по инструкциям в формате Alpaca, а название и состав слияния указывают на ориентацию на немецкий язык. Контекст модели составляет 2048 токенов. Модель можно применять для генерации немецкоязычных ответов, продолжения текста и простого диалогового взаимодействия. Данных о качестве, оценках и конкретных ограничениях в карточке нет. Условия лицензии в предоставленных данных не указаны.

Griot-MT est un modèle de traduction automatique multilingue développé par Bivariant. Il traduit dans les deux sens entre le français et 18 langues africaines : баатонум, бауле, дьюла, эве, эwондо, фон, фула, хауса, лингала, лугандийский, море, сар, оромо, санго, шона, сомали, суахили и волоф — всего 36 направлений. Модель основана на архитектуре M2M-100 и имеет общий компонент примерно на 1,394 млрд параметров, общий токенизатор и отдельный адаптер LoRA/RSLoRA для каждого языка; обучаемая часть адаптеров составляет около 23,6 млн параметров. Заявленная длина контекста — 1024 токена. В опубликованном бенчмарке модель получила в среднем 38,11 BLEU и 58,00 chrF++ на всех 36 направлениях. Результаты выше для перевода с африканских языков на французский, чем для обратного направления. Качество зависит от домена, диалекта, орфографии, смешения языков и специальной терминологии; приведённые оценки относятся к конкретным тестовым наборам. Модель распространяется в формате safetensors; условия лицензии в предоставленной карточке не описаны.

Hathor Gamma-L3-8B-0.6 — разговорная языковая модель семейства Llama с плотной архитектурой, опубликованная Nitral-Archive. Она предназначена для генерации текста в диалоговом формате и может использоваться в чат-сценариях. Репозиторий содержит веса Safetensors; размер модели — 7,5 млрд параметров, контекст — до 8192 токенов. Карточка указывает лицензию other. В README отмечены склонность модели говорить от лица пользователя в формате ChatML и снижение качества на L3; автор рекомендует версии 0.2 или 0.5. Эти замечания указывают на ограничения в диалоговом поведении и стабильности качества.

Карточка модели hkss/hk-SOLAR-10.7B-v1.1 на Hugging Face совпадает с карточкой hkss/hk-SOLAR-10.7B-v2.0, поэтому описание составлено по ней. hkss/hk-SOLAR-10.7B-v2.0 — корейская разговорная языковая модель, дообученная на базе yanolja/EEVE-Korean-10.8B-v1.0. Она построена на плотной архитектуре Llama и предназначена для генерации текста в диалоговом формате. Модель содержит 10,6 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. В карточке указано дообучение с использованием DeepSpeed, Accelerate и TRL; сведения о датасетах не приведены.

Карточка модели hkss/hk-SOLAR-10.7B-v1.2 на Hugging Face совпадает с карточкой hkss/hk-SOLAR-10.7B-v2.0, поэтому описание составлено по ней. hkss/hk-SOLAR-10.7B-v2.0 — корейская разговорная языковая модель, дообученная на базе yanolja/EEVE-Korean-10.8B-v1.0. Она построена на плотной архитектуре Llama и предназначена для генерации текста в диалоговом формате. Модель содержит 10,6 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. В карточке указано дообучение с использованием DeepSpeed, Accelerate и TRL; сведения о датасетах не приведены.

Aniemore/hubert-emotion-v1-crosslingual — модель распознавания эмоций в речи на основе HuBERT Large, дообученная Aniemore на смеси 27 939 аудиофрагментов из восьми языков и трёх речевых регистров. Она классифицирует речь по семи классам: гнев, отвращение, энтузиазм, страх, счастье, нейтральность и грусть; принимает аудио вместе с транскриптом. Модель предназначена для анализа эмоциональной окраски как постановочной, так и спонтанной речи. Чекпойнт имеет 402,7 млн параметров и использует архитектуру HubertForSequenceClassification. Репозиторий также содержит варианты int8, fp8 и int4. Модель оценивалась на постановочной русской речи, спонтанных русских подкастах и мультиязычном наборе CAMEO; результаты заметно зависят от типа речи и тестового набора. Лицензия — Apache-2.0, с ограничениями, унаследованными от базовой модели facebook/hubert-large-ls960-ft.

Huihui-gemma-3n-E4B-it-abliterated — экспериментальная версия Google Gemma 3n E4B IT от huihui-ai. Автор применил abliteration к текстовой части модели, чтобы снизить частоту отказов; обработка не затрагивала визуальную часть. Это мультимодальная модель для диалога, принимающая текст и изображения и выдающая текст. Метаданные указывают архитектуру Gemma3n, библиотеку Transformers и формат safetensors; базовая модель рассчитана на работу с аудио и видео, однако для этой версии README описывает только изменение текстовой части. Модель подходит для диалоговых ответов и анализа изображений в сценариях, где требуется меньше отказов. Abliteration описана автором как грубая проверка концепции, поэтому поведение и качество ответов могут быть непредсказуемыми. README предупреждает о возможности чувствительных, спорных и неприемлемых ответов. Лицензия — Gemma.

Huihui-Hunyuan-MT-7B-abliterated-i1-GGUF — это квантизированная версия модели Huihui-Hunyuan-MT-7B-abliterated, разработанной huihui-ai и преобразованной в формат GGUF пользователем mradermacher. Модель основана на архитектуре, совместимой с Transformers, имеет около 7 млрд параметров и ориентирована прежде всего на задачи машинного перевода и работы с текстом. В метаданных указана поддержка английского языка. Модель поставляется в нескольких вариантах квантизации, включая IQ1–IQ4, Q2–Q6 и другие форматы, размером примерно от 1,9 до 6,3 ГБ. Это позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством: Q4_K_M обозначен как рекомендуемый быстрый вариант, а Q4_K_S — как сбалансированный по размеру, скорости и качеству. Более низкие варианты квантизации могут заметно уступать по качеству. В названии и метаданных указано, что модель является abliterated и uncensored, то есть из неё удалены или ослаблены некоторые ограничения поведения; конкретные последствия этого для качества и безопасности в README не описаны. Длина контекста, полный набор поддерживаемых языков, точные характеристики архитектуры и лицензия не указаны, поэтому их следует уточнять по исходной модели Huihui-Hunyuan-MT-7B-abliterated.

Huihui-HY-MT1.5-7B-abliterated-i1-GGUF — это GGUF-квантизированная версия модели Huihui-HY-MT1.5-7B-abliterated, разработанной huihui-ai и подготовленной к публикации пользователем mradermacher. Модель ориентирована прежде всего на задачи машинного перевода и поддерживает широкий набор языков, включая китайский, английский, французский, португальский, испанский, японский, русский, арабский, корейский, немецкий, итальянский, украинский и другие языки. В основе лежит модель размером 7B параметров; доступны многочисленные варианты GGUF-квантизации от i1-IQ1_S до i1-Q6_K, а также imatrix-файл для создания собственных квантов. В README рекомендуются варианты i1-Q4_K_M как быстрые и сбалансированные, а i1-Q4_K_S — как компромисс между размером, скоростью и качеством. Указаний на архитектуру, размер контекста, мультимодальность и результаты сравнительных тестов нет, поэтому модель следует рассматривать как текстовую, специализированную на переводе, без подтвержденных характеристик вне заявленной области. Преимуществами являются широкий языковой охват, наличие вариантов для запуска при разных ограничениях по памяти и возможность локального использования через формат GGUF. Ограничения включают заметные потери качества у наиболее компактных квантов, отсутствие опубликованных бенчмарков и неопределенность относительно поведения за пределами перевода. README не содержит информации о лицензии, поэтому условия коммерческого и иного использования необходимо уточнять по исходной модели и репозиторию.

Это дообученная модель генерации текста на базе GPT-2, созданная Francesca9805 на основе goldfish-models/jpn_jpan_10mb и обученная с использованием TRL. Она предназначена для продолжения текста и генерации ответов на запросы; в примере карточки показана генерация ответа на вопрос в диалоговом формате. Модель распространяется в формате safetensors и рассчитана на контекст до 512 токенов. Лицензия в предоставленных данных не указана.

Khanhmodel0-7.1 — разговорная языковая модель, разработанная и сопровождаемая Khanhaimodel. Это плотная причинная языковая модель архитектуры Qwen2 с 494 млн параметров; для запуска в README показан Transformers. Модель предназначена для генерации текста и диалоговых сценариев, пример запроса приведён на вьетнамском языке. Метаданные карточки также отмечают поддержку английского языка и контекст до 32 768 токенов. Модель можно использовать для ответов в чате, продолжения текста и генерации коротких реплик. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. В README нет результатов оценки качества или подробностей о данных обучения, поэтому уровень точности для конкретных задач по карточке определить нельзя.

KoAlpaca-Polyglot-12.8B — корейская авторегрессионная языковая модель, разработанная beomi и дообученная на наборе KoAlpaca Dataset v1.1b на основе EleutherAI/polyglot-ko-12.8b. Она предназначена для генерации текста и диалоговых ответов на корейском языке. Модель построена на архитектуре GPT-NeoX и содержит 16,9 млрд параметров. Она принимает текст и генерирует текст, максимальная длина контекста составляет 2048 токенов. Опубликованы веса в форматах PyTorch и Safetensors. Модель подходит для генерации корейского текста и ответов на запросы. Лицензия Apache-2.0. Подробные сведения о качестве и ограничениях в карточке не приведены.

wwwcomcom разработал эту инструкционную модель на основе wwwcomcom/ko-morph-qwen2.5-0.5b-cpt: модель прошла дообучение SFT на 21 067 примерах KoAlpaca-v1.1a с вопросами и ответами на корейском языке. Это плотная авторегрессионная модель семейства Qwen2 с 386,5 млн параметров и контекстом 32 768 токенов. Она предназначена для генерации ответов на инструкции и вопросы на корейском языке; для неё рекомендуется формат «### 질문: … ### 답변:» без переносов строк. В сравнении с базовой Qwen2.5-0.5B, дообученной на тех же данных, модель показала более высокую точность на тесте корейских грамматических минимальных пар и лучшие результаты на небольшой проверке корейских знаний. Однако в README отмечено, что этот выигрыш нельзя однозначно приписать морфемному токенизатору или продолженному предобучению. Арифметическое и формальное логическое рассуждение слабее, чем у исходной Qwen2.5-0.5B; переносы строк и формат ChatML могут ухудшать качество. Лицензия — Apache 2.0.

Ko-PlatYi-6B — авторегрессионная языковая модель разработчика Kyujin Han (kyujinpy), основанная на архитектуре трансформера Yi-34B и реализованная как плотная модель LlamaForCausalLM. В репозитории указано 5,9 млрд параметров; модель принимает текст и генерирует текст, использует Transformers и PyTorch, а её контекст составляет 2048 токенов. Модель дообучена на корейском датасете kyujinpy/KOR-OpenOrca-Platypus-v3 на базе beomi/Yi-Ko-6B. Она предназначена для генерации текста и выполнения языковых запросов на корейском языке; в карточке приведены результаты на нескольких языковых бенчмарках, но ссылки на полный отчёт об оценке не представлены. Лицензия — CC BY-NC-SA 4.0, предусматривающая атрибуцию, распространение производных работ на тех же условиях и ограничения на коммерческое использование.

Kunoichi-7B — объединённая SLERP-модель на 7,1 млрд параметров, созданная SanjiWatsuki для диалогов общего назначения и ролевых сценариев. Она объединяет RP-модель Silicon-Maid-7B с Ninja-7B, экспериментальной моделью, созданной на основе jan-hq/stealth-v1.2. Архитектура — MistralForCausalLM; модель распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для ответов на инструкции, общения в чат-ботах и ролевых диалогов, в том числе с карточками персонажей в SillyTavern. Автор рекомендует шаблон Noromaid для SillyTavern и приводит результаты нескольких бенчмарков, включая MT Bench, EQ Bench и MMLU. Расширение контекста до 16 тысяч токенов с NTK RoPE alpha 2.6 описано как экспериментальное. Лицензия CC BY-NC 4.0 требует указания авторства и ограничивает коммерческое использование. Языки обучения или целевой язык в доступных сведениях не обозначены.

Модель flozi00/Llama-2-13b-german-assistant-v4 — дообученная автором flozi00 версия Llama 2 для немецкоязычных инструкций и диалогов в стиле Alpaca. Это плотная авторегрессионная языковая модель архитектуры LlamaForCausalLM с 12,9 млрд параметров и контекстом 2048 токенов. Модель предназначена для следования инструкциям и ведения разговоров на немецком языке, включая ответы в формате «### Assistant:» на запросы «### User:». Для обучения использован очищенный дедуплицированный набор flozi00/conversations; автор отмечает, что в нём нет кода. В метаданных также указана поддержка английского языка. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана. Карточка не приводит оценок качества и подробных ограничений; следует учитывать небольшой контекст и то, что ответы модели могут быть неточными.

Карточка модели ssoyeun/Llama-3-BCCard-Kor-8B-dp на Hugging Face совпадает с карточкой sh2orc/Llama-3-Korean-8B, поэтому описание составлено по ней. sh2orc/Llama-3-Korean-8B — диалоговая языковая модель на архитектуре Llama, основанная на Foundation Model Bllossom 8B и дообученная на наборе jojo0217/korean_safe_conversation. Модель предназначена для генерации ответов в диалоге на корейском языке; примеры в карточке показывают объяснения повседневных понятий и финансовых операций, связанных с покупками в рассрочку. Модель содержит 7,6 млрд параметров и поддерживает контекст до 8192 токенов. Опубликована в формате safetensors и распространяется по лицензии Llama 3. Карточка демонстрирует ответы на корейском языке, но не сообщает о проверках качества, поэтому примеры не гарантируют точность ответов в иных сценариях.

LLaMA3-Reasoning — дообученная Nirajan Dhakal модель для генерации текста на базе Meta Llama 3 8B. Она предназначена для диалогов и генерации ответов на английском языке; название указывает на рассуждения, но карточка не приводит примеров или оценок, подтверждающих специальные возможности в этой области. Модель реализована как плотная авторегрессионная архитектура LlamaForCausalLM и распространяется в формате safetensors для библиотеки Transformers. В метаданных указан контекст 128 токенов и размер 90,8 млн параметров; последний расходится с указанной базовой моделью на 8 млрд параметров, поэтому размер следует считать сомнительным. Лицензия — LLaMA 3 Community License. Карточка не описывает качество, ограничения применения или дополнительные гарантии.

zelk12/MT3-Gen5-MU-gemma-2-Av4dG-9B_v1 — слитая текстовая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из lemon07r/Gemma-2-Ataraxy-v4d-9B и nbeerbower/gemma2-gutenberg-9B. Модель содержит 9 млрд параметров, использует библиотеку Transformers и принимает контекст длиной до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате, включая творческое письмо и создание историй. Она может служить для написания художественных фрагментов и ведения текстовых диалогов. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных источниках отсутствуют.

khKim/mytest — разговорная языковая модель семейства Llama с плотной архитектурой и 7,5 млрд параметров. Репозиторий указывает формат Safetensors, библиотеку Transformers и контекст до 8192 токенов. В метаданных отмечен корейский язык и возможность диалога. Модель предназначена для генерации текста и использования в диалоговых сценариях. Сведения о разработчике, базовой модели, обучающих данных и оценке качества в карточке не заполнены, поэтому назначение за пределами генерации текста и чата определить нельзя. Лицензия — Apache-2.0.

fpadovani/nld-latn-100mb-100mb_seed455 — дообученная модель GPT-2 на базе goldfish-models/nld_latn_100mb. Она предназначена для генерации текста; карточка указывает, что модель обучалась с помощью TRL. Модель одноязычная и рассчитана на нидерландский язык. Максимальная длина контекста составляет 512 токенов, веса опубликованы в формате safetensors. В README приведён пример генерации продолжения по запросу пользователя. Лицензия в предоставленных данных не указана.

fpadovani разработал эту модель как дообученную версию goldfish-models/nor_latn_10mb на базе GPT-2 с использованием TRL. Она предназначена для генерации текста в ответ на запросы; в карточке приведён пример ответа на открытый вопрос. Модель работает с текстом и имеет контекст длиной 512 токенов. Модель распространяется в формате safetensors. Карточка не сообщает лицензию и не описывает специальные области применения или конкретные ограничения качества.

OOM-13B_01 — языковая модель на базе архитектуры Llama-2, разработанная на основе beomi/llama-2-koen-13b. Она предназначена для генерации текста и может применяться в сценариях, где требуется продолжение или создание текста. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM, распространяется в формате safetensors и имеет контекст длиной 2048 токенов. В карточке заявлены английский и корейский языки. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая предусматривает указание авторства, распространение производных работ на тех же условиях и ограничения на коммерческое использование. Карточка не приводит назначение для конкретных прикладных областей, данные обучения или результаты оценки.

OpenMia-Indo-Mistral-7b-v3-refined — разговорная модель на базе Mistral-7B, дообученная проектом MIA для общения на индонезийском языке (Bahasa Indonesia). Модель использует архитектуру MistralForCausalLM с плотной структурой и содержит 7,1 млрд параметров; для генерации текста доступно контекстное окно до 32 768 токенов. В карточке указаны форматы Transformers и safetensors, а метаданные также отмечают английский и индонезийский языки. Модель предназначена для диалогов и генерации ответов в стиле заботливого и эмпатичного AI-собеседника. Она дообучена на наборе данных MBZUAI/Bactrian-X; README сообщает об альфа-стадии и приводит результаты оценки на нескольких бенчмарках. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

fpadovani разработал эту модель как дообученную версию goldfish-models/nld_latn_100mb с помощью TRL. Это плотная авторегрессионная языковая модель архитектуры GPT-2 для генерации текста; карточка показывает пример ответа на открытый вопрос в формате диалога. Модель предназначена для продолжения текста и коротких ответов на запросы. Модель распространяется в формате safetensors и имеет контекст длиной 512 токенов. В карточке не указаны лицензия, специализация по областям и подробные оценки качества.

Модель francesca9805/ppt-wc-uniform-newlex-dan-before-100mb-packed-bfdiso_seed10 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; в карточке приведён пример ответа на открытый вопрос. Модель использует плотную архитектуру GPT2LMHeadModel, формат весов safetensors и контекст длиной 512 токенов. Разработчик и лицензия в предоставленных данных не указаны.

Это дообученная модель на базе GPT-2 Goldfish, созданная Francesca9805 и обученная с помощью TRL. Она предназначена для генерации текста: пример в карточке показывает ответ на открытый вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, сохранена в формате safetensors и имеет контекст длиной 512 токенов. Базовая модель ориентирована на генерацию английского текста; карточка не описывает дополнительные языки или специализированные области применения. Лицензия в предоставленных данных не указана.

francesca9805 выпустила дообученную модель goldfish-models/eng_latn_100mb на базе GPT-2. Модель предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в формате чата. Обучение выполнено с использованием TRL. Модель использует плотную архитектуру GPT2LMHeadModel, веса опубликованы в формате safetensors. Контекст составляет 512 токенов. Базовая модель предназначена для генерации текста на английском языке; карточка не описывает отдельную предметную специализацию или ограничения качества. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-swa-before-100mb-packed-bfdiso_seed10 — дообученная с помощью TRL модель на базе goldfish-models/eng_latn_100mb. Это плотная GPT-2 для генерации текста; карточка показывает пример ответа на открытый вопрос. Модель рассчитана на продолжение и генерацию английского текста, а контекстное окно составляет 512 токенов. Модель сохранена в формате safetensors и доступна через Transformers. В метаданных указана лицензия; однако условия лицензии не приведены в предоставленных данных.