III.4Клиентская поддержка и customer success

Это дообученная модель генерации текста на базе goldfish-models/rus_cyrl_10mb, разработанная Francesca9805. Модель построена на архитектуре GPT-2 и обучалась с использованием TRL; веса опубликованы в формате safetensors. Модель предназначена для продолжения текста и генерации ответов на запросы. Карточка показывает пример генерации ответа на открытый вопрос. Контекст модели составляет 512 токенов; в метаданных отмечен русский язык, поэтому модель ориентирована на текст на кириллице. Небольшой контекст ограничивает работу с длинными запросами и документами. Лицензия в предоставленных данных не указана.

jianxun/SmolLM2-FT-MyDataset — дообученная модель генерации текста на основе HuggingFaceTB/SmolLM2-135M, созданная с помощью TRL. Она предназначена для продолжения диалога и ответов на пользовательские запросы в формате чата. Модель имеет плотную архитектуру семейства Llama с 134,5 млн параметров и нативным контекстом до 8192 токенов; веса доступны в формате safetensors. Для запуска используется Transformers. Карточка показывает пример генерации ответа на открытый вопрос, но не описывает обучающий набор данных и не подтверждает специализацию по конкретным темам или языкам. Лицензия в предоставленных данных не указана.

SOLAR-10.7B-v1.0-Instruct — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная myeonghoon kim и дообученная на наборе Platypus на базе upstage/SOLAR-10.7B-v1.0. Модель содержит 10,6 млрд параметров, рассчитана на генерацию текста и работу в формате инструкций; родной контекст составляет 4096 токенов. Модель ориентирована прежде всего на корейский язык. Её можно применять для ответов на инструкции и вопросы, диалога и генерации текста. В README приведены таблицы сравнений с NaN вместо результатов, поэтому они не подтверждают качество модели на указанных тестах. Распространяется под лицензией Apache-2.0.

S-SOLAR-10.7B-v1.4 — языковая модель семейства Llama, дообученная hwkwon на базе chihoonlee10/T3Q-ko-solar-dpo-v1.0 с использованием DeepSpeed. Она предназначена для диалоговой генерации текста по шаблону с ролями User и Assistant. Модель содержит 10,6 млрд параметров, принимает текст и выдаёт текст, поддерживает корейский язык и имеет контекст длиной до 4096 токенов. В карточке указана лицензия CC BY-NC 4.0, которая ограничивает использование некоммерческими условиями.

SZL Holdings разработала szl-receiptagent-qwen35-0.8b-v2-merged — производную полноразмерную версия ReceiptAgent v2, полученную слиянием LoRA-адаптера с мультимодальной базой unsloth/Qwen3.5-0.8B. Это плотная модель семейства Qwen3.5 на архитектуре Qwen3_5ForConditionalGeneration; репозиторий содержит веса SafeTensors и конфигурацию для Transformers. Карточка заявляет текстовое использование, а конфигурация описывает текстовую и зрительную части, но репозиторий не содержит конфигурации обработчика изображений, поэтому загрузка изображений из него не поддерживается. Модель предназначена для генерации текста и диалоговых сценариев ReceiptAgent, где результат следует рассматривать как предложение для последующей проверки. Проверка эквивалентности с адаптером дала точные совпадения на пяти заданных запросах; это ограниченная проверка сохранности слияния, а не широкая оценка качества или возможностей. Решения об одобрении и исполнении должны приниматься вне модели: веса сами по себе не обеспечивают обязательное согласование. Развёртывание в production в карточке имеет статус HOLD. Лицензия указана как Apache-2.0.

thealper2/t5-efficient-base-grammar-correction — англоязычная модель для исправления грамматики в предложениях и коротких фрагментах текста. Это полное дообучение google/t5-efficient-base, выполненное автором репозитория; архитектура T5 encoder-decoder содержит 12 слоёв кодировщика и 12 слоёв декодировщика. В README указано 222 903 552 параметра, а в метаданных — 123,8 млн; эти данные расходятся. Контекст по метаданным — 512 токенов. Модель обучена на 100 000 синтетических пар с грамматическими ошибками и оценивается по исправлению текста. В приведённой оценке SARI составил 68,58 против 58,40 у baseline, копирующего исходный текст. Модель предназначена для коррекции английских предложений и коротких абзацев; при этом 24,2% грамматически правильных примеров в отдельной проверке были изменены, поэтому результат стоит проверять. Ограничения включают отличающееся от реальных пользовательских текстов распределение синтетических ошибок, усечение входов длиннее 256 токенов и потерю некоторых символов, отсутствующих в SentencePiece-словаре. Модель не оценивалась на стандартных бенчмарках CoNLL-2014 и BEA-2019. Лицензия — Apache-2.0.

MASRIHEAD-Unified — специализированная модель понимания египетского арабского диалекта, разработанная для разговорной ИИ-системы KALAMNA. Она одновременно классифицирует сарказм, тональность и эмоции в тексте. Архитектура объединяет контекстные признаки дообученной трансформерной модели T0KII/MASRIBERTV4 размером 110 млн параметров с FastText-векторами и двунаправленными LSTM и GRU; классификационные головы каскадно передают результаты распознавания сарказма в прогнозы тональности и эмоций. Модель рассчитана на анализ египетской разговорной речи, в том числе неформальной лексики и вариантов написания. На указанном в карточке наборе данных макро-F1 составляет 0,7822 для тональности, 0,7342 для сарказма и 0,6347 для эмоций; общий показатель Global Average Macro F1 — 0,7170. Выходы представлены классами: отрицательная, нейтральная или положительная тональность; буквальное или саркастическое высказывание; гнев, радость, нейтральность или грусть. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но некоммерческое.

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/tam_taml_100mb на базе архитектуры GPT-2. Она предназначена для генерации текста и может использоваться для продолжения диалога или ответа на открытые вопросы. Модель принимает текст и выдаёт текст; длина контекста составляет 512 токенов. В репозитории указаны веса в формате safetensors и библиотека Transformers. Подробности о языке обучения и качестве ответов в карточке не приведены. Лицензия в предоставленных данных не указана.

fpadovani/tam-taml-10mb-ppt-Dp-100mb_seed10 — GPT-2 на базе goldfish-models/tam_taml_10mb, дообученная автором с помощью TRL. Модель предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в формате диалога. По метаданным, она использует архитектуру GPT2LMHeadModel и библиотеку Transformers, а длина контекста составляет 512 токенов. Карточка не описывает специализированную область или дополнительные возможности. Доступен формат весов safetensors. Лицензия не указана в предоставленных данных.

minpeter/tiny-ko-187m-sft-250725 — плотная авторегрессионная языковая модель семейства Llama с 186,5 млн параметров, разработанная minpeter. Это дообученная версия minpeter/tiny-ko-187m-base-250725, обученная на наборах диалогов, инструкций и текстов на корейском языке, а также на многоязычных наборах для следования инструкциям. Модель предназначена для генерации текста и диалоговых ответов, прежде всего на корейском языке. Модель работает через библиотеку Transformers, веса опубликованы в формате Safetensors. Заявленная длина контекста — 65 536 токенов. В карточке приведён результат оценки: loss 1,6810; дополнительных сведений о методике оценки и практическом качестве нет. Лицензия в предоставленных данных не указана.

NikolayKozloff/translategemma-12b-it-Q4_K_M-GGUF — это квантизированная версия модели google/translategemma-12b-it, разработанной Google. Модель преобразована в формат GGUF с использованием llama.cpp и инструмента GGUF-my-repo, что позволяет запускать её через llama.cpp в локальном режиме или как сервер. Модель предназначена прежде всего для задач перевода и относится к инструкционной версии с размером 12 млрд параметров. В карточке указана метка image-text-to-text, однако подробные сведения о поддерживаемых языках, мультимодальных возможностях, архитектуре и максимальном контексте отсутствуют. Для запуска доступны файл translategemma-12b-it-q4_k_m.gguf и параметры llama.cpp, включая контекст до 2048 токенов в приведённом примере. Ключевое преимущество версии — компактный формат GGUF с квантизацией Q4_K_M, удобный для локального инференса и совместимый с llama.cpp. Ограничения и фактическое качество переводов в README не описаны; также отсутствуют сведения о требованиях к оборудованию и производительности. Использование регулируется лицензией Gemma Google, а доступ к исходной модели на Hugging Face требует принятия условий этой лицензии.

Это дообученная модель генерации текста на основе goldfish-models/tur_latn_10mb, созданная с использованием TRL и архитектуры GPT-2. Она предназначена для продолжения текста и генерации ответов на текстовые запросы; в карточке приведён пример ответа на вопрос в формате чата. Размер контекстного окна составляет 512 токенов. Модель доступна в формате safetensors и рассчитана на запуск через Transformers. Карточка не сообщает о специализированной предметной области или гарантированных качествах ответов. Условия лицензирования в предоставленных данных не указаны.

VietRAG-7B-v1.0 — языковая модель на архитектуре Llama, опубликованная llm4fun. Она предназначена для генерации текста и ответов на запросы; README показывает использование через инструкционный промпт и отмечает, что стиль ответа можно менять, подставляя инструкцию, применявшуюся при обучении. Модель содержит 6,6 млрд параметров, принимает текст и имеет контекст до 4096 токенов. В метаданных указан вьетнамский язык. Модель распространяется в форматах PyTorch и safetensors. Карточка не сообщает сведения о лицензии и конкретных результатах оценки качества. Дата публикации — 29 ноября 2023 года.

WikiQwen-9B — англоязычная плотная языковая модель на базе Qwen3.5-9B, дообученная Devon7y для ответов в виде пошаговых инструкций. Она превращает вопросы, описания проблем и другие сообщения в структурированную статью в Markdown: с заголовком, шагами и подписями к изображениям для генератора WikiQwen-Illustrator-7B. Модель содержит 7,2 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 262 144 токена. Модель подходит для создания практических руководств и инструкций на английском языке. Подписи к иллюстрациям рассчитаны на согласованный внешний вид повторяющихся людей, животных и предметов в рамках одной статьи. Это специализированный форматный помощник, а не универсальный чат-бот: даже приветствие или простой вопрос он оформит как инструкцию. Советы могут быть ошибочными, знания ограничены возможностями базовой модели и материалами из архива 2023 года; модель не просматривает интернет и не проходила дополнительное обучение безопасности. Для запуска автор рекомендует Transformers 5.x и около 18 ГБ памяти GPU для bf16-весов, без учёта памяти под контекст. Лицензия — CC BY-NC-SA 4.0.

hyeogi/Yi-9b-v1 — корейская языковая модель для генерации текста, основанная на beomi/Yi-Ko-6B. По карточке, веса объединены методом Depth-Up-Scaling; размер модели — 8,6 млрд параметров, архитектура — плотная LlamaForCausalLM. Модель предназначена для генерации текста на корейском языке; в карточке указаны данные Open-Orca/SlimOrca и Anthropic/hh-rlhf, выбранные и переведённые для обучения. Модель принимает текст и генерирует текст, её нативный контекст составляет 2048 токенов. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение. Сведений о качестве на конкретных задачах и ограничениях кроме длины контекста нет.

AfriGuardPlain-AfriqueQwen3.5-4B-50Langs-Instruct-v1 — чат-модель adzcai, созданная полным дообучением AfriqueQwen3.5-4B-50Langs-Instruct-v1 на наборе AfriGuard-plain. Она отвечает на безопасные запросы и кратко отказывает на небезопасные, не выводя метку безопасности. Обучение выполнено за одну эпоху с помощью DeepSpeed ZeRO-3; модель использует архитектуру Qwen3.5 и формат safetensors. Модель предназначена для диалоговых сценариев, где нужны полезные ответы на безопасные запросы и отказы на небезопасные. Метаданные указывают на поддержку английского, амхарского, хауса, игбо, оромо, шона, суахили, тви, волоф, йоруба и зулу; название базовой модели заявляет поддержку 50 языков, но полный перечень в доступных данных не приведён. Лицензия — CC BY 4.0. README не приводит результаты оценки безопасности или качества, поэтому надёжность отказов и языковую эффективность по этим данным определить нельзя.

Карточка модели Zardos/A.I.Kant-Test_Llama-3-8B-Instruct_v0.1.1 на Hugging Face совпадает с карточкой Zardos/A.I.Kant-Test_Llama-3-8B-Instruct_v0.1.0, поэтому описание составлено по ней. A.I.Kant-Test — дообученная Zardos разговорная модель семейства Llama 3 с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она основана на unsloth/llama-3-8b-Instruct и предназначена для генерации текста и диалоговых ответов; карточка демонстрирует запуск через Transformers и оригинальную кодовую базу llama3. Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст длиной до 8192 токенов. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Карточка описывает тестовую версию, но не приводит результатов оценки качества; название модели и отсутствие подробностей о дообучении не позволяют подтвердить её пригодность для конкретных прикладных задач.

AgentPublic/albert-spp-8b — дообученная методом LoRA языковая модель семейства Llama 3.1, разработанная автором репозитория AgentPublic. Модель содержит 7,5 млрд параметров и предназначена для генерации текста в диалоговом формате; в карточке также заявлен интерфейс вызова инструментов. Модель обучена на наборе данных, основанном на пользовательском опыте, и рассчитана на французский язык. Указана длина контекста 131 072 токена. В репозитории представлены веса в формате Safetensors, библиотека для использования — Transformers. Лицензия — Apache-2.0. Карточка не описывает конкретные сценарии пользовательского опыта, результаты оценки качества или ограничения модели, поэтому её пригодность для отдельных задач требует проверки.

soob3123/amoral-qwen3-14B — дообученная модель Qwen3-14B от автора soob3123 для генерации диалоговых ответов с нейтральной аналитической подачей. Она предназначена для ответов на чувствительные и спорные вопросы с акцентом на фактическую точность, сдержанный тон и отказ от оценочных формулировок. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 14 млрд параметров и принимает текст. Заявленная длина контекста — 40 960 токенов. В карточке указаны английский язык, чат и интерфейс вызова инструментов; доступны веса safetensors. Модель подходит для обсуждения спорных тем и аналитических запросов, где важна нейтральная формулировка. Эти свойства описаны автором, но карточка не приводит результатов оценивания качества или конкретных показателей нейтральности. Лицензия — Apache-2.0.

fpadovani/arb-arab-10mb-ppt-Dp-10mb_seed455 — дообученная модель генерации текста на базе goldfish-models/arb_arab_10mb. По карточке, её обучали с помощью TRL; метаданные указывают на архитектуру GPT-2 и формат весов safetensors. Модель предназначена для продолжения текста и генерации ответов на запросы.

bgGPT-llama-3.1-8B — дообученная модель на базе Llama 3.1 8B, разработанная burgasdotpro. Модель предназначена для генерации ответов на болгарском языке; в README показан формат вопроса и ответа и приведён пример ответа о связях компании Burgas Professionals с профессиональной гимназией в Бургасе. Модель имеет плотную архитектуру LlamaForCausalLM и 7,5 млрд параметров. В README описано продолжение предобучения на синтетических данных и Википедии; обучение выполнялось с Unsloth и TRL. Заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка показывает пример развернутого ответа, но не приводит результатов оценки качества. README описывает небольшие синтетические наборы данных и использование Википедии, поэтому надежность ответов по узким темам и актуальность сведений могут быть ограничены.

fpadovani/dan-latn-10mb-100mb_seed455 — дообученная модель семейства GPT-2, созданная на основе goldfish-models/dan_latn_10mb. Согласно карточке, её обучали с помощью TRL и предназначили для генерации текста; пример показывает ответ на открытый вопрос в диалоговом формате. Модель работает с текстом и имеет контекст длиной 512 токенов. Модель подходит для генерации продолжений и ответов на вопросы. В карточке не описаны её точный размер, языковая специализация, качество на тестах или ограничения применения. Файлы представлены в формате safetensors; лицензия в предоставленных данных не указана.

Это дообученная модель генерации текста на базе goldfish-models/dan_latn_10mb. Автор карточки указывает, что модель обучена с использованием TRL; архитектура — GPT-2, веса доступны в формате safetensors. Пример в карточке показывает генерацию ответа на открытый вопрос в диалоговом формате. Модель предназначена для продолжения текста и генерации ответов. Длина контекста составляет 512 токенов. Сведения о целевых языках, качестве и условиях лицензирования в доступных данных не приведены.

Edentns/DataVortexS-10.7B-dpo-v1.12 — разговорная языковая модель на архитектуре Llama, дообученная на базе megastudy/M-SOLAR-10.7B-v1.3. Она предназначена для генерации ответов в диалоге и работы в формате инструкций Alpaca Chat. В карточке приведены результаты оценки на корейских тестах и Ko-LLM-Leaderboard. Модель содержит 10,6 млрд параметров, использует формат safetensors и поддерживает контекст длиной до 4096 токенов. Основной указанный язык — корейский. Лицензия CC BY-NC-SA 4.0 разрешает использование на её условиях, включая ограничения на коммерческое применение и требования к распространению производных материалов.

Blizado/discolm-mfto-7b-german-v0.1 — экспериментальная слитая языковая модель, созданная автором карточки с помощью mergekit и метода SLERP. Она объединяет OpenPipe/mistral-ft-optimized-1227 и DiscoResearch/DiscoLM_German_7b_v1; в конфигурации базовой указана первая модель. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров, принимает текст и генерирует текст с контекстом до 32 768 токенов. Модель предназначена прежде всего для генерации на немецком языке и ролевых диалогов; карточка также отмечает английский. Слияние задумывалось для сочетания беглости и грамматичности немецкой генерации двух исходных моделей, но автор называет результат экспериментальным и не приводит оценки качества. Репозиторий распространяет веса в формате safetensors. Лицензия в предоставленных данных не указана.

Это дообученная модель генерации текста на базе fpadovani/ppt-wc-zipf-newlex-eng-100mb_seed3407. Разработчик обучал её с помощью TRL; архитектура — GPT-2, веса представлены в формате Safetensors. Модель предназначена для продолжения текста и генерации ответов на запросы на английском языке. В карточке приведён пример ответа на вопрос в формате диалога; контекст модели составляет 512 токенов. Карточка не приводит оценок качества или подробных ограничений. Краткое контекстное окно ограничивает работу с длинными запросами и историей диалога. Сведения о лицензии в доступных данных отсутствуют.

francesca9805/eng-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed10 — дообученная Francesca9805 модель семейства GPT-2 на основе goldfish-models/eng_latn_10mb. Модель обучена с использованием TRL и предназначена для генерации текста; пример в карточке показывает ответ на открытый вопрос на английском языке. Модель использует архитектуру GPT2LMHeadModel и формат весов safetensors. Длина контекста составляет 512 токенов. Карточка не приводит дополнительных оценок качества или описания ограничений применения. Лицензия в предоставленных данных не указана.

francesca9805/eng-latn-10mb-ppt-Dp-10mb-packed-bfd_seed3407 — дообученная с помощью TRL версия модели goldfish-models/eng_latn_10mb на архитектуре GPT-2. Она предназначена для генерации текста и может использоваться для продолжения текста или получения ответа на текстовый запрос. В примере карточки показана генерация ответа на открытый вопрос с ограничением в 128 новых токенов. Модель распространяется в формате safetensors и рассчитана на контекст длиной 512 токенов. Карточка не уточняет лицензию, языковой охват и специальные области применения; в названии и базовой модели указан английский язык.

ParaaAi/gemma3-gaia-izzack — дообученная компанией ParaaAi мультимодальная модель семейства Gemma 3, созданная на основе CEIA-UFG/Gemma-3-Gaia-PT-BR-4b-it. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для диалогов и генерации текста с возможностью принимать изображения и отвечать на запросы о них. Базовая модель ориентирована на бразильский португальский язык. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. Карточка не описывает конкретный набор задач дообучения или результаты оценки этой версии, поэтому качество и пригодность для специализированных сценариев по ней установить нельзя.

haqishen/h2o-Llama-3-8B-Japanese-Instruct — диалоговая языковая модель, созданная Qishen Ha на основе Meta Llama 3 8B Instruct с дообучением на японском наборе диалогов japanese_hh-rlhf-49k с помощью H2O LLM Studio. Она предназначена для генерации ответов в беседе и других текстовых ответов, особенно на японском языке. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Максимальная длина контекста при обучении — 8 тыс. токенов; доступны веса в формате safetensors для Transformers. Метаданные указывают английский и японский языки, а основное дообучение ориентировано на японские диалоги. Модель может выдавать ошибочные, бессмысленные или нерелевантные ответы, а также предвзятый или оскорбительный текст. Распространяется по лицензии Llama 3; перед использованием следует учитывать её условия.