III.4Клиентская поддержка и customer success

Discord-Micae-Hermes-3-3B-abliterated-i1-GGUF — квантизированная версия текстовой генеративной модели Discord-Micae-Hermes-3-3B-abliterated, разработанной huehui и преобразованной в формат GGUF пользователем mradermacher. Модель основана на архитектуре семейства Llama 3, содержит около 3 млрд параметров и распространяется как causal language model с поддержкой инструкций и диалогового взаимодействия. Модель предназначена для генерации текста, чат-сценариев и разговорного общения. Она дообучена на наборе данных mookiezi/Discord-OpenMicae, поэтому ориентирована прежде всего на неформальные диалоги и conversational AI. В карточке указаны английский язык, текстовая модальность и шаблон ChatML; сведения о размере контекстного окна отсутствуют. Доступно множество вариантов квантизации, включая IQ- и Q-серии, с размером файлов примерно от 1,0 до 2,2 ГБ в представленной части списка. Это позволяет запускать модель на устройствах с ограниченными ресурсами, однако степень квантизации влияет на качество: для некоторых вариантов прямо отмечены низкое качество, а варианты i1-Q4_K_M и i1-Q4_K_S обозначены как рекомендуемые с точки зрения скорости, размера и качества. Ограничения включают ориентацию на английский язык, отсутствие мультимодальности и возможное снижение качества в сильно квантизированных версиях. Лицензия модели — MIT.

Это дообученная модель GPT-2 для генерации английского текста по текстовому запросу. Модель разработана fpadovani и дообучена на базе fpadovani/ppt-art-lang-newlexicon-zipf-jpn-baseline-100mb_seed455 с использованием TRL; веса опубликованы в формате safetensors и используются через Transformers. Модель подходит для генерации продолжений и ответов на текстовые вопросы. В примере карточки она отвечает на открытый вопрос, создавая текстовое объяснение. Контекст модели составляет 512 токенов. Карточка не приводит оценки качества и подробностей обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно. Лицензия в предоставленных данных не указана.

Это дообученная модель генерации текста на архитектуре GPT-2, созданная на основе fpadovani/ppt-wc-uniform-newlex-eng-100mb_seed3407 с использованием TRL. Она предназначена для продолжения текста и генерации ответов на английском языке; в карточке приведён пример ответа на вопрос в диалоговом формате. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Карточка не приводит размер модели, состав обучающих данных или результаты оценки качества. Поэтому пригодность для конкретных задач следует проверять на собственных примерах. Лицензия в предоставленных данных не указана.

Это дообученная модель Francesca9805 на базе одноязычной GPT-2-модели Goldfish для генерации английского текста. Она обучалась с использованием TRL; карточка показывает пример генерации ответа на открытый вопрос. Модель построена на архитектуре GPT-2, имеет контекст 512 токенов и распространяется в формате safetensors под библиотекой Transformers. Модель подходит для короткой генерации текста на английском языке, включая ответы на открытые вопросы и продолжение текста. Карточка не сообщает о специализированной предметной области или лицензии, поэтому условия использования по лицензии определить нельзя. Короткое контекстное окно ограничивает работу с длинными запросами и документами.

CLAck/en-km — модель машинного перевода с английского на кхмерский язык, созданная путём дообучения MarianMT на основе модели en-zh. По карточке, дообучение на кхмерском языке продолжалось 30 эпох. Модель имеет архитектуру MarianMT, содержит 60,6 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель предназначена для перевода текстов с английского на кхмерский. Это специализированный переводчик для одной языковой пары; данных о дополнительных сценариях применения или оценках качества в карточке нет. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

ExtremITA Camoscio 7B — плотная языковая модель на архитектуре LLaMA с 6,6 млрд параметров, разработанная для работы с инструкциями на итальянском языке. Модель представляет собой объединение весов исходной LLaMA и адаптеров Camoscio, созданных на основе tellinsan/camoscio-7b-llama; авторы также дообучали её для соревнования EVALITA 2023. Репозиторий содержит веса PyTorch, а нативная длина контекста составляет 2048 токенов. Модель предназначена для генерации текста и выполнения инструкций на итальянском языке, например для диалоговых ответов, черновиков и помощи в задачах с текстом. Карточка указывает лицензию OpenRAIL. Ограниченный контекст и специализация на итальянских инструкциях могут снижать качество на длинных запросах и на других языках; сравнительные оценки качества в карточке не приведены.

fergusq/finbert-finnsentiment — модель FinBERT, дообученная на наборе FinnSentiment для классификации тональности предложений на финском языке. В README указано, что 90% предложений использовались для обучения, а 10% — для оценки. Модель основана на архитектуре BERT и содержит 151,7 млн параметров; она принимает текстовые последовательности длиной до 512 токенов и выдаёт метки классификации. На указанном в карточке разделении данных модель получила accuracy 0,864, F1-score 0,864 и precision 0,865. Она подходит для анализа тональности финских текстов, например отзывов и сообщений. Модель распространяется по лицензии CC BY 4.0; оценки относятся к использованному набору данных и могут не отражать качество на других текстах.

thealper2/flan-t5-base-text-paraphraser — англоязычная модель перефразирования на базе Google Flan-T5-base, дообученная разработчиком методом полного fine-tuning на парах предложений ParaNMT из набора redis/langcache-sentencepairs-v3. Это encoder-decoder-модель семейства T5 с 123,8 млн параметров; она принимает текст и генерирует его перефразированный вариант. Для обучения использовали случайную выборку из миллиона пар, а исходный корпус был приведён к нижнему регистру и токенизирован в стиле PTB. Модель предназначена для перефразирования отдельных английских предложений и работы с короткими текстовыми фрагментами. Её сильная сторона — специализация на генерации альтернативных формулировок; контекст модели составляет 512 токенов, а входы при обучении ограничивались 128 токенами. Модель наследует шум корпуса обратного перевода: перефразирование может менять смысл. Выход обычно остаётся в нижнем регистре с пробелами вокруг знаков препинания. Лицензия — Apache-2.0.

German Sentiment — модель классификации тональности немецких текстов, дообученная Aaron Chibb на основе deepset/gbert-large. Она предназначена для определения тональности текста, в том числе коротких сообщений в социальных сетях. Архитектура — BERT для классификации последовательностей; модель содержит 434,5 млн параметров и принимает текст с контекстом до 512 токенов. Используются веса PyTorch и формат safetensors. Модель рассчитана на немецкий язык. README указывает на обучение на наборе данных из Twitter, поэтому подходящий сценарий — анализ тональности коротких немецких публикаций. Лицензия в предоставленных данных не указана.

Emilio407 дообучил Gemma 2 2B Instruct с помощью Unsloth и библиотеки Hugging Face TRL. Это плотная языковая модель с 2,7 млрд параметров для генерации текста в диалоговом формате; её можно использовать для ответов на сообщения и создания текстовых продолжений. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. В карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает данные дообучения, результаты оценки или специализацию модели, поэтому её качество и пригодность для конкретных задач по ней определить нельзя. Базовая модель — unsloth/gemma-2-2b-it-bnb-4bit.

Это GGUF-версия переводческой модели Hy-MT1.5-1.8B с экстремальной квантизацией Sherry до эффективных 1,25 бита. Базовую модель разработала команда Tencent Hunyuan; репозиторий опубликован в рамках проекта AngelSlim. В основе лежит специализированная модель перевода на 1,8 млрд параметров, обученная на задачах машинного перевода и поддерживающая 33 языка, пять диалектов или малых языков и 1 056 направлений перевода. Модель предназначена для двустороннего перевода текстов, в том числе для локального офлайн-перевода на мобильных устройствах. Sherry использует разреженное тернарное представление весов и сокращает размер FP16-варианта с 3,3 ГБ до 440 МБ при заявленной минимальной потере качества. Для запуска этой GGUF-версии требуется специальное ядро STQ в llama.cpp; README также описывает Android-демонстрацию и извлечение слов для перевода из других приложений. Карточка заявляет высокое качество перевода, но не приводит здесь числовых результатов бенчмарков. Из-за сильной квантизации фактическое качество и скорость могут зависеть от реализации ядра и устройства. Условия лицензирования в предоставленных данных не описаны.

Это дообученная модель GPT-2, созданная на основе francesca9805/ita-latn-10mb-ppt-Dp-10mb-packed-bfdiso_seed10 и обученная с помощью TRL. Она предназначена для генерации текста и ответов на открытые вопросы; в карточке приведён пример генерации ответа на вопрос о выборе между путешествием в прошлое и будущее. Модель использует архитектуру GPT2LMHeadModel, работает с текстом и имеет контекст длиной 512 токенов. Репозиторий содержит веса в формате safetensors. Сведения о лицензии и языковой специализации в предоставленных источниках отсутствуют.

nk2t/Llama-3-8B-Instruct-japanese-nk2t-v0.3 — японская разговорная модель генерации текста на архитектуре Llama 3, созданная разработчиком nk2t на основе rinna/llama-3-youko-8b. В README указано, что к японской модели непрерывного обучения применили ChatVector, а затем дообучили её с помощью QLoRA; в формуле также используются Meta-Llama-3-8B-Instruct и предыдущая версия модели nk2t. Модель содержит 7,5 млрд параметров, принимает текст, генерирует текст и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогов и ответов на запросы на японском языке. В карточке приведён результат 3,32 на ELYZA-tasks-100, оценённый с помощью gpt4-autoeval; README также ссылается на шаблон чата Llama-3-8B-Instruct. Указаны английский и японский языки, однако автор описывает модель как японскую. Для использования действуют условия лицензии Llama 3 Community License; README отмечает, что базовая лицензия Meta ограничивает исходное применение английским языком, а дообучение на других языках допускается при соблюдении лицензии и правил использования.

MaLLaM 5B 20K Instructions v2 ialah разговорная языковая модель mesolitica, созданная полным дообучением Mistral на наборе инструкций на малайском языке. Она использует шаблон диалога Mistral Instruct и предназначена для генерации ответов на малайские запросы, в том числе для справочных вопросов, например о малайзийском пенсионном фонде KWSP. Модель имеет плотную архитектуру MistralForCausalLM примерно на 4,9 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Карточка называет модель демонстрацией возможностей дообучения и сообщает о минимальных механизмах модерации. Лицензия в предоставленных данных не указана.

ludocomito выпустил Minerva_3B_Ties_1.0 — объединённую методом TIES модель семейства Mistral для генерации текста. В README указаны три компонента объединения: базовая sapienzanlp/Minerva-3B-base-v1.0, mudler/Asinello-Minerva-3B-v0.1 и разговорная mii-llm/minerva-chat-v0.1-alpha-sft; конфигурация использует LazyMergekit и нормализацию весов. Модель предназначена для генерации ответов в диалогах и других сценариях текстовой генерации, прежде всего на итальянском языке. Модель имеет плотную архитектуру MistralForCausalLM, около 2,8 млрд параметров и контекст до 16 384 токенов. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Карточка не приводит отдельной оценки качества или подробных ограничений; возможности модели зависят от объединённых компонентов.

Mistral-ko-7B-v0.1 — корейская языковая модель семейства Mistral, опубликованная maywell. Модель с плотной архитектурой MistralForCausalLM содержит 7,2 млрд параметров и принимает текст для генерации текста; максимальная длина контекста — 8192 токена. Автор применил к Mistral токенизатор, оптимизированный для корейского языка, и дообучил модель в течение двух эпох на наборе данных, использованном в проекте Sinatra. Токенизатор основан на корейской версии Llama 2 от beomi. Модель подходит для генерации корейского текста и диалоговых сценариев. Модель распространяется в форматах PyTorch и Safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README не приводит результатов оценки качества, поэтому пригодность для конкретных задач следует проверять самостоятельно.

mistral-ko-OpenOrca-Platypus-v1 — языковая модель на архитектуре Mistral, разработанная shleeeee (Seunghyeon Lee) и oopsung (Sungwoo Park). Это дообученная версия Mistral-7B, предназначенная для генерации текста на корейском языке. Модель содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель подходит для генерации и продолжения корейского текста. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому условия использования следует уточнить по материалам репозитория.

francesca9805/nor-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed455 — дообученная с помощью TRL модель семейства GPT-2, основанная на goldfish-models/nor_latn_10mb. Предназначена для генерации текста в ответ на запросы; в карточке приведён пример продолжения диалога с пользовательским вопросом. Модель опубликована в формате safetensors и рассчитана на контекст до 512 токенов. Лицензия в предоставленных данных не указана.

GAI-LLM/OPEN-SOLAR-KO-10.7B-dpo-dedup — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Донхо О, Ханмин Мён и Ынён Ким из SK C&C G.AI Eng. Модель принимает текст и генерирует текст; в метаданных указаны 5,9 млрд параметров и контекст 2048 токенов. Модель дообучена методом DPO на базе GAI-LLM/OPEN-SOLAR-KO-10.7B-mixed-v15-dedup с использованием смешанной стратегии на данных Open Korean Dataset. Она предназначена для генерации текста на корейском языке. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

KoRAE — это дообученная Cartinoe5930 языковая модель для генерации ответов и диалога на корейском языке. Модель основана на beomi/llama-2-koen-13b: к Llama 2 добавили корейский словарь, а KoRAE дообучили на отфильтрованных корейских наборах данных, включая OpenOrca-KO, KOpen-Platypus, KoCoT_2000 и databricks-dolly-15k-ko. Для обучения применялись LoRA и Flash-Attention 2. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 12,9 млрд параметров и рассчитана на контекст до 2048 токенов. Её можно использовать для корейского диалога, ответов на инструкции и генерации текста; в README приведены результаты оценки на корейском бенчмарке Ko-LLM Leaderboard. Карточка отмечает, что качество базовой корейской модели ограничивает результат и что количество обучающих данных может быть важнее их фильтрации при небольшом числе эпох. Лицензия — CC BY-NC-SA 4.0, которая предусматривает некоммерческое использование и распространение производных материалов на тех же условиях.

l3utterfly/phi-2-layla-v1 — языковая модель на архитектуре Phi-2, дообученная l3utterfly при финансировании Layla Network на наборе OpenHermes 2.5. Модель предназначена для многоходового диалога, имитации персонажей и использования в офлайн-персональном ассистенте Layla. В ходе подготовки данных удаляли отказы и упоминания ИИ-ассистента, диалоги преобразовывали в многоходовые записи и добавляли диалоги для взрослых из набора Teatime. Модель содержит 3,5 млрд параметров, принимает и генерирует текст на английском языке; длина контекста — 2048 токенов. Репозиторий содержит веса в формате Safetensors. Модель выпущена по лицензии MIT. В README указано, что отказы были удалены и добавлены диалоги для взрослых; это может приводить к ответам на запросы, которые базовая модель отклоняла. Контекст ограничен 2048 токенами.

PiVoT-0.1-early — разговорная модель, дообученная maywell на базе Mistral 7B. Это вариант Synatra v0.3 RP; в карточке указано, что для дообучения использовался OpenOrca, а среди данных базовой модели названы журналы чата Arcalive Ai Chat Chan, ko_wikidata_QA и kyujinpy/OpenOrca-KO. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге, включая ответы на вопросы на корейском языке. В метаданных также указан английский язык. Репозиторий содержит веса в формате safetensors, а лицензия — CC BY-SA 4.0. Карточка не приводит результатов оценивания качества, поэтому пригодность для конкретных задач следует проверять отдельно.

Модель fpadovani/ppt-art-lang-newlexicon-zipf-nld-heavy-baseline-100mb_seed10 — дообученная на TRL версия goldfish-models/nld_latn_100mb, построенная на архитектуре GPT-2. Она предназначена для генерации текста; в карточке показан сценарий диалогового ответа на вопрос. Модель принимает текст и выдаёт продолжение, а её контекст ограничен 512 токенами. Веса опубликованы в формате safetensors. В README не указаны специальные предметные области или подтверждённые языки, поэтому модель можно описать как общего назначения без привязки к конкретному языку. Сведения о лицензии в предоставленных источниках отсутствуют.

Модель francesca9805/ppt-wc-uniform-newlex-eng-before-100mb-packed-bfd_seed10 — дообученная с помощью TRL модель семейства GPT-2 на основе goldfish-models/eng_latn_100mb. Она предназначена для генерации продолжений текста и ответов на открытые вопросы на английском языке. Модель использует архитектуру GPT2LMHeadModel, формат safetensors и контекст до 512 токенов. Её можно применять для генерации коротких текстовых ответов и продолжений на английском языке. В карточке приведён пример генерации ответа на вопрос с ограничением в 128 новых токенов. Лицензия в предоставленных сведениях не указана.

Модель Francesca9805 — дообученная с помощью TRL версия англоязычной GPT-2-подобной модели goldfish-models/eng_latn_100mb. Она предназначена для генерации текста по запросу и запускается через Transformers с конвейером text-generation; карточка приводит пример ответа на открытый вопрос. Контекст модели составляет 512 токенов, веса представлены в формате safetensors. Карточка не сообщает размер итоговой модели, отдельные оценки качества или специальные предметные области. Базовая модель описана как монолингвальная и ориентированная на английский язык. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-swe-before-100mb-packed-bfdiso_seed10 — дообученная с помощью TRL модель Goldfish goldfish-models/eng_latn_100mb на архитектуре GPT-2. Она предназначена для генерации английского текста; пример в карточке показывает ответ на открытый вопрос. Модель принимает текст и выдаёт продолжение или ответ в текстовой форме. Модель опубликована в формате safetensors и имеет контекстное окно 512 токенов. Карточка не раскрывает подробности обучающей выборки, целевых улучшений или измерений качества. Лицензия в доступных данных не указана.

Модель fpadovani/ppt-wc-zipf-newlex-66-eng-100mb_seed10 — дообученная с помощью TRL версия англоязычной GPT-2-подобной модели goldfish-models/eng_latn_100mb. Она предназначена для генерации продолжений текста и ответов на открытые вопросы; в карточке приведён пример генерации ответа на вопрос о выборе между путешествием в прошлое и будущее. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекст длиной 512 токенов. Поддерживается английский язык. Лицензия в предоставленных данных не указана.

Карточка модели jaeyong2/Qwen2.5-1.5B-Instruct-Thai-SFT на Hugging Face совпадает с карточкой jaeyong2/Qwen2.5-1.5B-Instruct-Viet-SFT, поэтому описание составлено по ней. jaeyong2/Qwen2.5-1.5B-Instruct-Viet-SFT — дообученная разработчиком на вьетнамских данных модель Qwen2.5-1.5B-Instruct для диалогов и генерации текста. Это плотная авторегрессионная языковая модель с 1,5 млрд параметров, рассчитанная на работу через Transformers; модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Метаданные указывают на поддержку вьетнамского и английского языков, а также на интерфейсы чата и вызова инструментов. Модель распространяется по лицензии Apache-2.0.

Heatw4ve/Qwen3-4B-Instruct-2507-rewriter-gguf — англоязычная модель, дообученная Heatw4ve на базе unsloth/Qwen3-4B-Instruct-2507 для переписывания текста, созданного ИИ, более естественным и похожим на человеческий стилем. Она предназначена для локального запуска через LM Studio, Ollama или llama.cpp и подходит для редактирования коротких фрагментов примерно от 15 до 150 слов, сохраняя исходный смысл и фактическое содержание. В основе лежит Qwen3-4B-Instruct-2507; модель обучена методом SFT с LoRA и распространяется в формате GGUF с квантизацией Q4_K_M. Карточка указывает английский язык. Базовая модель имеет контекст до 262 144 токенов, однако отдельная длина контекста этой версии не указана. Лицензия — Apache-2.0. Модель ориентирована на локальный инференс, исследования и эксперименты.

Это дообученная на TRL модель GPT-2 для генерации текста на русском языке, созданная на основе goldfish-models/rus_cyrl_100mb. Она подходит для продолжения текста и генерации ответов на короткие открытые вопросы; пример в карточке показывает диалоговый формат запроса. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Лицензия в предоставленных данных не указана.