III.4Клиентская поддержка и customer success

heegyu/polyglot-ko-1.3b-chat — корейская чат-модель, созданная дообучением EleutherAI/polyglot-ko-1.3b на наборах корейских инструкций и диалогов. Она предназначена для генерации ответов в формате помощника, включая одноходовые запросы и многоходовые беседы; среди данных обучения указаны KoAlpaca, корейская часть ShareGPT-74k, KorQuAD Chat и отобранные данные KULLM v2. Модель построена на плотной архитектуре GPT-NeoX, содержит 1,7 млрд параметров и поддерживает контекст до 2048 токенов. Основной язык — корейский. Для использования в карточке приведён шаблон диалога с ролями пользователя и чат-бота; генерацию рекомендуется продолжать до токена EOS. Модель распространяется в форматах PyTorch и Safetensors. Лицензия в доступных сведениях не указана.

fpadovani/ppt-art-lang-eng-baseline-100mb_seed10 — дообученная модель на основе goldfish-models/eng_latn_100mb, созданная с использованием TRL. Это плотная GPT-2-подобная языковая модель для генерации текста; пример в карточке показывает ответ на открытый вопрос. Модель принимает текст и выдаёт продолжение, а длина контекста составляет 512 токенов. Модель ориентирована на генерацию англоязычного текста. В репозитории указаны веса в формате safetensors и библиотека Transformers. Карточка не описывает дополнительные специализированные сценарии или ограничения качества; данных о лицензии нет.

Модель francesca9805/ppt-wc-uniform-newlex-arb-before-100mb-packed-bfdiso_seed455 — дообученная с помощью TRL модель goldfish-models/eng_latn_100mb. Это плотная GPT-2 с весами в формате safetensors, предназначенная для генерации английского текста; в карточке приведён пример ответа на открытый вопрос. Контекст модели составляет 512 токенов. Модель подходит для продолжения текста и генерации ответов на английском языке. README не сообщает результатов оценки качества или специальных возможностей, поэтому пригодность для конкретных сценариев следует проверять отдельно. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-nld-before-100mb-packed-bfd_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 открытый вопрос. Модель работает с текстовым вводом и выдаёт текст; библиотека запуска — Transformers, формат весов — safetensors, длина контекста — 512 токенов. Базовая модель рассчитана на английский язык. Карточка не приводит результатов оценки качества и дополнительных сведений о специализации. Условия использования определяются лицензией репозитория на Hugging Face.

Модель Francesca9805 — дообученная с помощью TRL одноязычная GPT-2 для генерации английского текста. Она основана на goldfish-models/eng_latn_100mb и предназначена для продолжения текста и генерации ответов на запросы; пример в карточке показывает вопрос о выборе между путешествием в прошлое и будущее. Модель распространяется в формате Safetensors и рассчитана на контекст до 512 токенов. Условия лицензии в предоставленных данных не описаны.

fpadovani/ppt-wc-zipf-newlex-eng-100mb_seed5 — дообученная модель GPT-2, созданная на основе goldfish-models/eng_latn_100mb с использованием TRL. Она предназначена для генерации английского текста; пример в карточке показывает ответ на открытый вопрос в диалоговом формате. Модель принимает текст и выдаёт продолжение длиной до 128 новых токенов в приведённом примере. Контекст модели — 512 токенов, веса представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-zipf-newlex-nor-before-100mb-packed-bfd_seed3407 — дообученная на TRL модель для генерации текста, созданная на основе goldfish-models/eng_latn_100mb. Она использует архитектуру GPT-2 и представлена в формате safetensors; метаданные указывают библиотеку Transformers и контекст длиной 512 токенов. Базовая модель предназначена для генерации на английском языке, а в карточке приведён пример продолжения ответа на вопрос на английском языке. Модель подходит для генерации и продолжения англоязычного текста по запросу. Конкретные результаты обучения и специализированные области применения в карточке не описаны. Лицензия в доступных данных не указана.

Lathly/Qwen3.8-27B-Samantha_Uncensored_1.1_LoRA — LoRA-адаптер для базовой модели Qwen/Qwen3.8-27B, разработанный Lathly. Адаптер обучен на датасете digitalpipelines/samantha-1.1-uncensored с использованием Unsloth и QLoRA в 4-битном режиме. Он добавляет тёплый, эмпатичный и эмоционально вовлечённый разговорный стиль Samantha и предназначен прежде всего для открытого диалогового взаимодействия и генерации текста на английском языке. Модель использует формат PEFT и имеет конфигурацию LoRA с рангом 16, alpha 32, dropout 0,05 и применением ко всем линейным слоям. Доступны адаптеры в Safetensors и GGUF для использования соответственно с Transformers/PEFT и llama.cpp. Объём файла адаптера Safetensors составляет около 304 МБ. Обучение проводилось на текстовых диалоговых данных с длиной последовательности 2048 токенов; это не изменяет поддерживаемый базовой моделью контекст, однако поведение персоны на длинном контексте систематически не оценивалось. Сведения о точном размере архитектуры, модальностях и исходном контексте базовой модели в README не приведены. Сильной стороной адаптера является специализация на естественном, эмоционально поддерживающем общении при сохранении совместимости с экосистемами PEFT и llama.cpp. Ограничения включают зависимость от базовой модели и необходимость загружать её вместе с адаптером, а также отсутствие систематической оценки на длинных контекстах. Тонкая настройка обозначена как uncensored, поэтому модель может генерировать нежелательный или спорный контент; ответственность за применение и соблюдение законодательства несёт пользователь. Лицензия — Apache-2.0, с указанием наследования условий от базовой модели и датасета.

Sailor-0.5B-Chat — чат-модель из семейства открытых языковых моделей Sailor, разработанного для языков Юго-Восточной Азии. Она создана дообучением Sailor-0.5B на открытых наборах инструкций и диалогов. Модель использует плотную архитектуру Qwen2 с примерно 464 млн параметров и контекстом до 32 768 токенов. Модель предназначена для генерации ответов в диалоге, ответов на вопросы и решения задач на рассуждение на языках региона, включая индонезийский, тайский, вьетнамский и малайский. Обучение Sailor также ориентировано на лаосский, но метаданные карточки подтверждают языки en, zh, id, th и vi. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors; для работы рекомендуется Transformers версии 4.37.0 или новее. Лицензия — Apache-2.0. Результаты могут быть слабее на языках и задачах вне целевого региона; в карточке нет количественных оценок качества именно этой версии.

Это дообученная на TRL модель генерации текста на базе GPT-2, созданная fpadovani. Пример в карточке показывает диалоговый запрос на английском языке и генерацию ответа; модель рассчитана на продолжение текста и ответы в формате диалога. Модель доступна в формате safetensors и имеет контекстное окно 512 токенов. Карточка не сообщает размер модели и лицензию, поэтому условия лицензирования определить нельзя. Возможности за пределами генерации текста и английского примера не подтверждены.

Synatra-7B-v0.3-dpo — диалоговая языковая модель, разработанная как личный проект одного автора. Она дообучена методом DPO на базе mistralai/Mistral-7B-Instruct-v0.1 и содержит около 7,1 млрд параметров. Модель использует архитектуру Mistral с плотной причинной языковой моделью, принимает текст и предназначена для генерации ответов в диалогах и выполнения инструкций. Поддерживаются шаблоны ChatML и Alpaca без поля ввода; заявленная длина контекста — 32 768 токенов. В README приведены результаты нулевого обучения на нескольких корейских бенчмарках и оценки Open LLM Leaderboard. Лицензия — Apache-2.0. Модель ориентирована на корейский язык; результаты бенчмарков не гарантируют качество на других языках и прикладных задачах.

Карточка модели Razon2006/tamil-gemma3-v2-run3 на Hugging Face совпадает с карточкой Razon2006/tamil-gemma3-v2, поэтому описание составлено по ней. Razon2006 дообучил текстовую модель Gemma 3 на базе unsloth/gemma-3-270m-it с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная модель архитектуры Gemma3ForCausalLM с 257 млн параметров, предназначенная для генерации текста и диалогового взаимодействия; максимальная длина контекста составляет 32 768 токенов. Модель может применяться для простых диалогов, ответов на вопросы и генерации текста. В карточке не описаны обучающие данные и конкретные улучшения после дообучения, поэтому специализацию на тамильском языке по названию модели подтвердить нельзя; метаданные указывают английский язык. Лицензия — Apache-2.0.

ilana/tiny-bert-sst2-distilled — компактная модель классификации текста, созданная дообучением google/bert_uncased_L-2_H-128_A-2 на наборе GLUE. Она использует архитектуру BERT для классификации последовательностей и содержит 4,4 млн параметров; максимальная длина контекста — 512 токенов. Модель предназначена для определения тональности коротких англоязычных текстов в задаче SST-2. На оценочной выборке указана точность 0,7477 после одного этапа обучения. Компактный размер может быть полезен для сценариев с ограниченными ресурсами, однако приведённый результат указывает на заметные ограничения качества. Модель распространяется по лицензии Apache-2.0.

Это дообученная на базе francesca9805/ppt-wc-uniform-newlex-tur-before-100mb-packed-bfdiso_seed3407 модель GPT-2 для генерации текста. Модель разработана Francesca9805 и обучалась с использованием TRL; карточка показывает пример ответа на открытый вопрос в формате чата. Модель принимает текстовые запросы и генерирует текст, подходит для продолжения текста и коротких ответов на вопросы. Архитектура — плотная GPT-2 (GPT2LMHeadModel), формат весов — safetensors, длина контекста — 512 токенов. Базовая модель предназначена для генерации английского текста и коротких ответов; сведений о лицензии в предоставленных данных нет.

Это дообученная модель на базе francesca9805/tur-latn-100mb-ppt-Dp-100mb-packed-bfdiso_seed10, построенная на архитектуре GPT-2. Она предназначена для генерации текста; пример в карточке показывает ответ на открытый вопрос в формате диалога. Модель обучалась с использованием TRL и распространяется в формате Safetensors для библиотеки Transformers. Длина контекста — 512 токенов. В карточке не приведены сведения о лицензии и конкретных языках обучения.

Aniemore/wav2vec2-xlsr-53-emotion-v1-crosslingual — дообученная модель семейства Wav2Vec2 для распознавания эмоций в речи. Она классифицирует аудио по семи категориям: гнев, отвращение, энтузиазм, страх, радость, нейтральное состояние и грусть. Модель с 402,7 млн параметров обучена на смеси 27 939 фрагментов из восьми языков и разных речевых регистров, включая спонтанную речь; использует архитектуру Wav2Vec2ForSpeechClassification и библиотеку Transformers. Доступны версии весов fp32, int8, fp8 и int4. Модель предназначена для анализа эмоциональной окраски речи в аудиозаписях. На тесте спонтанной русской речи она показала более высокую оценку, чем предыдущая версия, обученная на разыгранных диалогах, но на разыгранной русской речи результат предыдущей версии был лучше. Показатели для семи нерусских языков приведены как внутридоменные и не подтверждают переносимость на новые говорящие. Базовая модель — Aniemore/wav2vec2-xlsr-53-russian-emotion-recognition. Лицензия — Apache-2.0; README указывает на наследование условий лицензии базовой модели.

m3hrdadfi/wav2vec2-xlsr-persian-speech-emotion-recognition — модель распознавания эмоций в персидской речи на базе wav2vec2. По архитектуре это классификатор речи Wav2Vec2ForSpeechClassification с 402,7 млн параметров, обученный на наборе ShEMO. Модель принимает аудио и предназначена для классификации эмоционального состояния говорящего; карточка приводит метрики по классам эмоций, включая гнев, страх и радость. Модель подойдёт для анализа эмоциональной окраски персидских записей, например диалогов или голосовых сообщений. В метаданных pipeline_tag указан как automatic-speech-recognition, хотя архитектура и README описывают классификацию эмоций, поэтому фактическая задача может не совпадать с тегом. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

fpadovani/zho-hans-100mb-after-ppt-Dp-100mb-ckpt500_seed455 — дообученная модель генерации текста на архитектуре GPT-2, созданная на основе fpadovani/zho-hans-100mb-ppt-Dp-100mb_seed455 с использованием TRL. Пример в карточке показывает генерацию продолжения ответа на вопрос; модель предназначена для текстовой генерации. Контекст составляет 512 токенов. Модель распространяется в формате safetensors. Лицензия, целевые языки и подробности обучающих данных в предоставленных источниках не описаны.

ResembleAI/chatterbox-turbo-ONNX — ONNX-версия Chatterbox-Turbo, разработанная Resemble AI. Это открытая модель синтеза речи из текста, предназначенная прежде всего для низколатентных голосовых агентов, а также для озвучки, наррации и творческих аудиосценариев. Модель поддерживает zero-shot voice cloning и рассчитана на генерацию речи на английском языке. Chatterbox-Turbo использует компактную архитектуру примерно на 350 млн параметров, требующую меньше вычислительных ресурсов и VRAM по сравнению с предыдущими моделями семейства. Декодер speech-token-to-mel был дистиллирован: генерация сокращена с 10 шагов до одного при сохранении высококачественного аудиовыхода. Модель поддерживает паралингвистические теги, включая [cough], [laugh] и [chuckle], что позволяет добавлять в речь кашель, смех и другие выразительные элементы. В примере использования указана частота дискретизации 24 кГц и варианты ONNX-моделей fp32, fp16, q8, q4 и q4f16. Сильные стороны модели — относительно небольшой размер, сниженные требования к вычислениям и памяти, высокая скорость генерации, поддержка клонирования голоса без дообучения и выразительных паралингвистических эффектов. Ограничения README явно не перечисляет; из заявленных характеристик следует, что модель ориентирована на английский язык, поэтому её применимость к другим языкам не подтверждена. Модель распространяется по лицензии MIT.

Это модель генерации команд для понимания диалога, разработанная Rasa Technologies для ассистентов на основе подхода CALM. На вход она принимает текст транскрипта текущего разговора и структурированное описание бизнес-логики ассистента, а на выходе формирует короткую последовательность внутренних команд Rasa, например для запуска сценария, заполнения слотов, уточнения намерения, передачи оператору или поиска ответа в базе знаний. Модель представляет собой дообученную плотную LlamaForCausalLM на базе CodeLlama-13b-Instruct-hf с 12,9 млрд параметров и контекстом до 16 384 токенов. Она рассчитана на английский язык и предназначена для чат-ботов, голосовых помощников, IVR-систем и внутренних ассистентов, использующих CALM. По результатам оценки на тестовом наборе F1 различается по типам команд: например, 0,9722 для StartFlow и 0,9239 для SetSlot, но для SearchAndReply указано 0. Модель генерирует только команды внутренней грамматики Rasa и не предназначена для произвольных ответов пользователю. Проверка проводилась на английском; качество на других языках не оценивалось. Лицензия — Apache 2.0.

Edentns/DataVortexS-10.7B-dpo-v1.1 — разговорная языковая модель, созданная командой, перечисленной в карточке модели, на основе beomi/OPEN-SOLAR-KO-10.7B. Это плотная авторегрессионная модель семейства Llama с 10,7 млрд параметров, дообученная для диалогов в формате Alpaca Chat; карточка также сообщает о встроенном chat template. Модель предназначена для генерации ответов и ведения диалога на корейском языке. Модель подходит для корейских чат-ботов, ответов на вопросы и генерации текста. В README приведены результаты оценивания на корейских наборах KoBEST и Ko-LLM-Leaderboard. Контекст составляет 2048 токенов. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

DeepPavlov_for_Panacea — дообученная модель Sentence Transformer на базе DeepPavlov/rubert-base-cased-sentence, разработанная nanalysenko. Она кодирует русскоязычные предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости по косинусному сходству. Модель построена на BERT и использует усреднение токенных представлений; максимальная длина входа составляет 512 токенов. Модель предназначена для семантического поиска, поиска похожих формулировок и парафразов, кластеризации и классификации текста. Примеры обучающих пар включают медицинские формулировки об обследованиях, поэтому модель может быть полезна для сопоставления близких по смыслу медицинских запросов и описаний. Лицензия в предоставленных данных не указана.

DRISTI V1-fast — компонент System 1 каскадного маршрутизатора DRISTI, созданный Swaraj Chattaraj на базе DistilBERT. Модель предназначена для быстрой локальной классификации запросов и маршрутизации простых задач к подходящим компонентам AI-инфраструктуры; при низкой уверенности или запросе вне распределения система DRISTI передаёт запрос более тяжёлому компоненту V2 на основе DeBERTa. Для работы с весами README указывает официальный движок вывода DRISTI. В метаданных указаны архитектура DistilBERT, класс DistilBertForMaskedLM, библиотека PyTorch, контекст 512 токенов и задача text-classification; формат репозитория — PyTorch. Карточка приводит замеры маршрутизатора на ноутбучной NVIDIA RTX 3050: около 45,6 мс задержки и 21,93 запроса в секунду; это результаты автора для конкретного сценария, а не гарантия производительности на другом оборудовании. Модель распространяется по лицензии MIT.

matrixportalx/gemma-3-1b-it-tr-v1 — диалоговая языковая модель, созданная на основе google/gemma-3-1b-it и дообученная автором с помощью LoRA для более естественных ответов на турецком языке с учётом контекста и культурных особенностей. В карточке указано, что при обучении использовался датасет buyukset.json; модель ориентирована на более эмпатичные и менее осуждающие ответы. Модель относится к семейству Gemma 3, имеет плотную архитектуру Gemma3ForCausalLM и около 1 млрд параметров. Она принимает текст и генерирует текст, поддерживает диалоговый режим и контекст длиной до 32 768 токенов. Основной язык — турецкий; в метаданных также указан английский. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или результатов тестирования, поэтому степень достижения заявленных целей по естественности и эмпатичности ответов не установлена.

Модель francesca9805/hin-deva-100mb-after-ppt-Dp-10mb-packed-bfdiso-ckpt500_seed10 — дообученная с помощью TRL модель семейства GPT-2, разработанная на основе francesca9805/hin-deva-100mb-ppt-Dp-10mb-packed-bfdiso_seed10. Она предназначена для генерации текста и ответов на короткие открытые вопросы; в примере карточки показан формат диалога с вопросом пользователя. Модель работает через Transformers и опубликована в формате safetensors; длина контекста составляет 512 токенов. Карточка не приводит сведений о поддерживаемых естественных языках или лицензии.

karasu-base-slerp — языковая модель для генерации текста, созданная слиянием моделей lightblue/karasu-1.1B и TinyLlama/TinyLlama-1.1B-Chat-v1.0 методом SLERP с помощью LazyMergekit. Модель использует плотную архитектуру Llama с причинным языковым декодером и содержит 770,2 млн параметров; длина контекста составляет 2048 токенов. Модель предназначена для генерации текста и диалоговых ответов. В состав объединённой модели входит англоязычная чат-модель TinyLlama, однако README не описывает отдельные сценарии или сравнительные результаты именно для этого слияния. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных данных не указана. Практические ограничения включают компактный размер модели и контекст до 2048 токенов; качество и языковой охват самого слияния отдельно не охарактеризованы.

komt — корейская языковая модель, разработанная davidkim (Changyeon Kim) с применением многозадачной настройки по инструкциям на основе размеченных наборов данных для разных задач. Модель предназначена для генерации ответов и текста на корейском языке в диалоговых и иных инструкционных сценариях. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 10,7 млрд параметров и контекстом до 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — CC BY 4.0. В карточке не описаны результаты оценки качества и конкретный перечень обучающих задач, поэтому пригодность для отдельных сценариев следует проверять самостоятельно.

GAI-LLM/KoSOLAR-10.7B-mixed-v13 — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Donghoon Oh, Hanmin Myung и Eunyoung Kim из SK C&C G.AI Eng. Модель содержит 10,7 млрд параметров, принимает текст и генерирует текст; базовая модель — yanolja/KoSOLAR-10.7B-v0.1. Для обучения использовался смешанный вариант Open Korean Dataset. Модель предназначена для генерации текста на корейском языке и сценариев, где требуется продолжение или создание текста. Контекстное окно составляет 4096 токенов. Для использования доступны веса в формате PyTorch через Transformers. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

mssma/ko-solar-10.7b-v0.2b — каузальная языковая модель семейства LLaMA, представленная в формате safetensors и предназначенная для генерации текста. Карточка показывает загрузку через Transformers; модель содержит 10,7 млрд параметров и рассчитана на контекст до 4096 токенов. По языковым тегам модель ориентирована на корейский язык. Её можно применять для генерации корейского текста и диалоговых ответов. README не описывает обучение, специализированные возможности или оценку качества, поэтому назначение сверх генерации текста установить нельзя. Лицензия — Apache-2.0.

Herry443/Mistral-7B-KNUT-ref — разговорная текстовая модель на архитектуре Mistral с 7,1 млрд параметров, созданная на основе mistralai/Mistral-7B-Instruct-v0.2. В карточке указаны выборки из корейских наборов данных KOR-OpenOrca-Platypus-v2, WIKI_QA_Near_dedup и KoCoT_2000; модель предназначена для генерации ответов в диалоге на корейском языке. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Карточка не сообщает результатов оценки качества; ответы могут быть ошибочными или неполными.