III.4Клиентская поддержка и customer success

QSTAR — экспериментальная дообученная языковая модель, разработанная liminerity на базе unsloth/mistral-7b-bnb-4bit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалогов с попыткой пошагового рассуждения перед ответом, в том числе для общих вопросов и гипотетических сценариев. Модель обучена на датасете gate369/Alpaca-Star, созданном на основе Alpaca; автор сообщает, что набор данных призван побуждать модель рассуждать перед ответом. В примере она выдаёт рассуждение и ответ на вопрос о машине времени, но в нём есть фактические ошибки, поэтому пример не подтверждает надёжность рассуждений. Поддерживается английский язык. Модель распространяется по лицензии Apache-2.0.

mnigr_swahili_16bit — дообученная mnigr модель на базе unsloth/orpheus-3b-0.1-ft. Это плотная Llama-архитектура с 3,3 млрд параметров, предназначенная для генерации текста; метаданные также отмечают разговорный режим. Модель может использоваться для текстовых диалогов и генерации ответов. Указанный контекст составляет 131 072 токена, формат весов — safetensors. Название указывает на суахилийскую специализацию, но README и метаданные не подтверждают поддержку суахили; в карточке указан английский язык. Лицензия — Apache-2.0.

my_awesome_eli5_model — дообученная на неизвестном наборе данных компактная модель генерации текста на базе distilbert/distilgpt2, разработанная rrforever. Она предназначена для генерации продолжения текста и может использоваться для автодополнения или создания черновиков. Модель построена на архитектуре GPT-2, работает с текстом и имеет контекст до 1024 токенов. В карточке приведён результат оценки: loss 3,8035; описание обучающих данных, специализация и подробные ограничения не раскрыты. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Это дообученная модель генерации текста на базе fpadovani/ppt-wc-uniform-newlex-nld-100mb_seed455. Разработчик сообщает, что она обучалась с помощью TRL; архитектура — GPT-2, веса доступны в формате Safetensors. Модель предназначена для продолжения текста и ответов на пользовательские запросы в формате диалога. В качестве примера в карточке приведён открытый вопрос на английском языке; контекст составляет 512 токенов. Карточка не описывает качество ответов, состав обучающих данных или специализацию модели. Модель доступна на Hugging Face; сведения о лицензии в предоставленных данных отсутствуют.

Это дообученная модель генерации текста на базе GPT-2, созданная francesca9805 и обученная с использованием TRL. Она предназначена для продолжения текста и генерации ответов на запросы в формате диалога; карточка демонстрирует ответ на открытый вопрос. Модель использует плотную архитектуру GPT-2, распространяется в формате safetensors и имеет контекст длиной 512 токенов. Базовая модель описана в каталоге как дообученная GPT-2 для генерации текста и ответов на запросы на основе нидерландской модели Goldfish. В карточке лицензия не приведена.

Pegasus_paraphraser_Com_12 — дообученная модель семейства PEGASUS, разработанная Gayathri142214002 на основе Gayathri142214002/Pegasus_paraphraser_Com_11. Модель содержит 366,8 млн параметров и предназначена для преобразования текста в текст; её целевое применение — перефразирование коротких текстов длиной до 60 токенов. В README приведено значение Loss 0,1608 на оценочном наборе, но датасет и подробности оценки не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0. Языковая поддержка и качество на разных типах текста не охарактеризованы.

Модель francesca9805/ppt-wc-zipf-newlex-nld-before-100mb-packed-bfd_seed10 — дообученная с помощью TRL GPT-2-подобная модель Goldfish, основанная на goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста в ответ на пользовательские запросы; карточка показывает пример ответа на вопрос в формате чата. Модель использует архитектуру GPT2LMHeadModel, веса сохранены в safetensors, длина контекста — 512 токенов. Модель может использоваться для генерации продолжений и простых ответов на английском языке. Карточка не сообщает об узкой специализации или оценках качества. Условия лицензии в предоставленных данных не приведены.

Qwen-0.6B-ConvFill — дообученная на ConvFill датасете модель Qwen3-0.6B от разработчика vysri. Она предназначена для conversational infill: локально и с низкой задержкой генерирует уместные продолжения многоходового диалога, пока параллельно поступают контекст или знания от более крупной облачной модели. Модель рассчитана на использование в инфраструктуре проекта ConvFill, в частности для разговорных голосовых агентов; сама принимает и генерирует текст. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит около 507,6 млн параметров и поддерживает контекст до 40 960 токенов. В метаданных указан английский язык. Репозиторий содержит веса safetensors, доступные по лицензии Apache 2.0 с соблюдением лицензии базовой модели. Карточка предупреждает, что модель не настраивалась специально для следования защитным ограничениям.

malhajar/Qwen1.5-7B-turkish — чат-модель, разработанная Мохамадом Аль-Хаджаром и дообученная методом supervised fine-tuning с замороженными параметрами на инструкционном датасете malhajar/alpaca-gpt4-tr. Она предназначена для ответов на инструкции и вопросы в формате диалога, прежде всего на турецком языке; в метаданных также указан английский. Модель использует плотную архитектуру Qwen2ForCausalLM с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текстовые инструкции и генерирует текстовые ответы. Веса доступны в формате safetensors, лицензия — Apache-2.0. Карточка задаёт шаблон общения с секциями Instruction и Response. Качество и фактическая точность ответов отдельно не описаны; специализация модели и обучающие данные сосредоточены на турецких инструкциях.

TTam115/Qwen-2.5-3B-Tiny-Story — дообученная TTam115 языковая модель семейства Qwen2 для генерации текста. Она основана на unsloth/qwen2.5-3b-instruct-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors; заявленная длина контекста — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, в частности создания коротких историй. Метаданные также указывают интерфейс для вызова инструментов. Поддерживаемый карточкой язык — английский. Лицензия — Apache-2.0.

Rifa-Nano-0.5B-i1-GGUF — это квантизированная версия модели Rifa-Nano-0.5B, разработанной smshahbaj и подготовленной в формате GGUF пользователем mradermacher. Модель предназначена для генерации и ведения диалогов в текстовом формате, прежде всего на английском и бенгальском языках. Она относится к небольшим моделям с 0,5 млрд параметров и может использоваться на устройствах с ограниченными ресурсами через совместимое с GGUF программное обеспечение. Карточка не раскрывает точную архитектуру, размер контекста и дополнительные модальности; указана только текстовая генерация. Доступно множество вариантов квантизации с размером примерно от 0,4 до 0,6 ГБ. Варианты IQ обычно предпочтительнее сопоставимых по размеру обычных вариантов, а i1-Q4_K_M обозначен как быстрый и рекомендуемый, i1-Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Ограничениями являются небольшой размер модели и возможное заметное снижение качества у низкобитных вариантов. Модель распространяется по лицензии Apache-2.0. Для использования GGUF-файлов требуется совместимое программное обеспечение; конкретные требования к оборудованию и параметры запуска в карточке не указаны.

Roxi-TTS v3.1 — компактная модель преобразования текста в речь с голосом на индийском варианте английского языка. Она создана для платформы голосовых агентов VozVox и предназначена для озвучивания клиентской поддержки и голосовых помощников на сайтах. Модель дообучена методом LoRA на базе OpenMOSS-Team/MOSS-TTS-Nano — авторегрессионной модели с языковой моделью и аудиотокенами; архитектура содержит около 0,1 млрд параметров. Для генерации используется аудиотокенизатор MOSS-Audio-Tokenizer-Nano. Голос обучен на примерно четырёх часах студийных записей одного диктора и рассчитан на одноимённое фирменное звучание. Модель выдаёт речь с частотой 48 кГц; в README отмечены естественное звучание и разборчивый индийский акцент, хотя стиль остаётся ближе к чтению, чем к свободной беседе. Лицензия — Apache-2.0. К ограничениям относятся синтетичность, характерная для компактной модели, периодические преждевременные обрывы и ненадёжное управление стилем и эмоциями. Для стабильной работы требуется transformers==4.57.1 с trust_remote_code; README рекомендует короткие фразы и описывает повтор генерации с обрезкой тишины как способ справляться с обрывами. Модель не настроена отдельно для телефонного звука 8 кГц.

Это дообученная модель генерации текста на основе GPT-2, созданная на базе goldfish-models/rus_cyrl_100mb. Согласно карточке, её обучали с помощью TRL; пример запуска показывает генерацию продолжения диалога в формате сообщения пользователя. Модель принимает текст и выдаёт текст, а её контекст составляет 512 токенов. Модель предназначена для генерации текста по запросу. Карточка не описывает специализированную область применения, качество на конкретных задачах или поддержку других языков помимо русского, следующего из названия базовой модели. В репозитории указаны веса в формате safetensors; отдельная лицензия в предоставленных данных не приведена.

Samba — модель генерации текста на основе архитектуры LLaMA, разработанная Леонардо Соузой и дообученная на данных португальского языка. В качестве основы использована TinyLlama-1.1B; модель содержит около 1 млрд параметров и поддерживает диалоговый сценарий. Максимальная длина контекста составляет 2048 токенов. Модель предназначена для генерации текста и ответов в диалоге на португальском языке. При генерации можно настраивать температуру, случайную выборку и штраф за повторения. Репозиторий содержит веса в формате safetensors. В метаданных указана лицензия Llama 2, а в README — Academic Free License v3.0, поэтому условия использования требуют проверки по исходным файлам и лицензии репозитория.

SeaQwen2-0.5B — разговорная языковая модель, разработанная Тоти Риккардо и дообученная на базе Qwen/Qwen2-0.5B на итальянском переводном наборе данных Seacom/rag-data. Модель построена на архитектуре Qwen2, содержит 494 млн параметров и распространяется в формате safetensors. Для генерации текста заявлена длина контекста до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев на итальянском языке. В README приведены результаты оценки на итальянских вариантах бенчмарков HellaSwag и ARC. Лицензия — Apache-2.0. Приведённые результаты не устанавливают качество для всех сценариев; данных о дополнительных ограничениях нет.

vicgalle/solarized-18B-dpo — разговорная языковая модель, созданная vicgalle. Она построена на базе vicgalle/franken-SOLAR-18B-v1.0: модели семейства SOLAR на 18 млрд параметров, полученной чередованием слоёв Nous-Hermes-2-SOLAR-10.7B и SOLAR-10.7B-Instruct. Затем модель дообучили методом DPO на наборе предпочтений argilla/distilabel-intel-orca-dpo-pairs. Модель предназначена для генерации текста и диалоговых сценариев. Её можно использовать для написания и продолжения текстов, а также для ответов в чат-интерфейсах. Контекстное окно — 4096 токенов; модель работает с текстом и выдаёт текст. В примерах README модель создаёт откровенно сексуализированный и фетишистский контент, а также допускает фактические ошибки и несвязности. Она распространяется по лицензии Apache-2.0.

hwkwon/S-SOLAR-10.7B-v1.5 — дообученная модель автора hwkwon на базе chihoonlee10/T3Q-ko-solar-dpo-v5.0, обученная с использованием DeepSpeed. Это плотная авторегрессионная модель семейства Llama с 10,6 млрд параметров, предназначенная для генерации текста и диалоговых ответов по шаблону с ролями User и Assistant. Для обучения использованы переведённые публичные данные и сгенерированные данные объёмом около 110 тысяч примеров; подробности набора данных не приведены. Модель рассчитана на корейский язык, имеет контекст до 4096 токенов и опубликована в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с обязательной атрибуцией, но запрещает коммерческое применение. Качество и ограничения отдельно не описаны.

TowerInstruct-7B-v0.2-EN2ES-i1-GGUF — это квантизированная версия инструкционной модели TowerInstruct-7B-v0.2-EN2ES, разработанной Iker и преобразованной в формат GGUF пользователем mradermacher. Модель обучалась на наборе данных Iker/InstructTranslation-EN-ES и предназначена прежде всего для инструкционного перевода между английским и испанским языками. Поддерживаемые языки — английский и испанский, библиотека — Transformers. Модель имеет около 7 млрд параметров; сведения о базовой архитектуре и размере контекста в README не указаны. Доступны многочисленные варианты квантизации IQ и Q с размером файлов примерно от 1,6 до 5,6 ГБ. Они позволяют выбирать компромисс между требованиями к памяти, скоростью и качеством: наиболее легкие варианты характеризуются низким качеством, а Q4_K_M отмечен как быстрый и рекомендуемый, Q4_K_S — как оптимальный по размеру, скорости и качеству. Это текстовая модель без заявленной поддержки других модальностей. Ограничения включают специализацию на паре английский—испанский и возможное снижение качества при использовании низкокачественных вариантов квантизации. Распространение указано по лицензии Apache-2.0.

TR-Qwen2-7B-001-241129 — модель Quardo, созданная дообучением Qwen2-7B-Instruct на турецком наборе данных Turkish-Chat_GPT-4O. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров, предназначенная для диалогов и генерации текста на турецком языке. Модель поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель можно использовать для ответов на вопросы и ведения диалога на турецком. В README приведён пример ответа, в котором модель уклоняется от простого вопроса; автор также сообщает, что системные промпты могут вызывать отказы. Лицензия в предоставленных данных не указана.

Модель Wiam — дообученная версия ehcalabres/wav2vec2-lg-xlsr-en-speech-emotion-recognition на наборе данных, который в карточке не раскрыт. Она использует архитектуру Wav2Vec2ForSequenceClassification и предназначена для классификации аудио с речью по эмоциональным категориям. Модель принимает аудио и выдаёт метку класса; базовая модель описана как распознающая восемь эмоций в англоязычной речи. На оценочной выборке указаны accuracy 0,75 и loss 0,6778. Лицензия — Apache-2.0. Поскольку состав обучающих данных и подробные ограничения не описаны, качество на других корпусах и языках может отличаться; подтверждена оценка только на указанной выборке.

ifuseok выпустил yi-ko-playtus-instruct-v0.2 — инструкционную разговорную языковую модель на архитектуре Llama с 5,9 млрд параметров. Это дообучение beomi/Yi-Ko-6B на корейских версиях наборов databricks-dolly-15k и OpenOrca-Platypus. Модель принимает текст и генерирует текст; её можно использовать для ответов на инструкции и диалоговых запросов на корейском языке. Она опубликована в форматах PyTorch и safetensors, а длина контекста составляет 2048 токенов. Лицензия CC-BY-NC-SA-4.0 разрешает использование на условиях атрибуции, распространения производных работ на той же лицензии и некоммерческого применения. Качество и надёжность ответов README не оценивает. Контекст в 2048 токенов ограничивает длину запроса и ответа, а условия лицензии исключают коммерческое использование.

francesca9805/zho-hans-100mb-ppt-Dp-10mb-packed-bfdiso_seed10 — дообученная Francesca9805 модель семейства GPT-2, основанная на goldfish-models/zho_hans_100mb. Модель обучалась с помощью TRL и предназначена для генерации текста; в карточке приведён пример ответа на вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel и принимает текст. Контекст ограничен 512 токенами. Веса доступны в формате safetensors. Сведения о лицензии и целевых языках в предоставленных данных отсутствуют.

arb-arab-10mb-after-ppt-Dp-100mb-ckpt500_seed3407 — дообученная GPT-2-подобная модель от fpadovani, созданная на основе fpadovani/arb-arab-10mb-ppt-Dp-100mb_seed3407 с использованием TRL. Она предназначена для генерации текста и ответов на вопросы в диалоговом формате; пример в карточке показывает запрос на английском языке. Модель работает через Transformers, веса представлены в формате safetensors, контекст ограничен 512 токенами. Сведения о размере модели и лицензии в предоставленных источниках отсутствуют.

Barcenas-2x10.7b-Korean — языковая модель для генерации текста, созданная путём объединения моделей chihoonlee10/T3Q-ko-solar-dpo-v6.0 и freewheelin/free-solar-evo-v0.1 с помощью LazyMergekit. В основе лежит плотная архитектура Llama с классом LlamaForCausalLM; в репозитории указаны веса Safetensors, а слияние выполнено методом SLERP в формате bfloat16. Модель предназначена для генерации текста, в первую очередь на корейском языке. Базовая модель Free-solar-evo-v0.1 также поддерживает английский. Размер модели — 7,1 млрд параметров, длина контекста — 4096 токенов. Лицензия — Apache-2.0. Качество и поведение объединённой модели зависят от запроса; README не приводит результатов оценки или подробных рекомендаций по использованию. Контекст ограничен 4096 токенами.

Модель hatemnoaman/bert-base-arabic-finetuned-emotion — дообученная версия asafaya/bert-base-arabic для классификации эмоций в арабском тексте. Она основана на BERT и содержит 137,8 млн параметров; максимальная длина контекста — 512 токенов. Модель обучалась на наборе данных emotone_ar. Подходит для определения эмоциональной окраски арабских текстов, например сообщений и коротких высказываний. На оценочной выборке автор сообщает accuracy 0,7416 и F1 0,7406. Эти результаты не гарантируют такое же качество на других источниках текстов и неарабских языках. В карточке указана лицензия Apache-2.0.

fpadovani/dan-latn-100mb-ppt-Dp-100mb_seed10 — дообученная модель семейства GPT-2 на базе goldfish-models/dan_latn_100mb. Разработчик сообщает, что обучение выполнено с помощью TRL; метаданные указывают архитектуру GPT2LMHeadModel и формат safetensors. Модель предназначена для генерации текста по запросу, в том числе для ответов на открытые вопросы и продолжения диалога. Максимальная длина контекста составляет 512 токенов. В карточке приведён пример генерации на английском языке; сведения о других поддерживаемых языках не подтверждены. Короткий контекст ограничивает работу с длинными запросами и историей диалога. Модель распространяется по лицензии, указанной в метаданных Hugging Face.

DataVortexS-10.7B-dpo-v1.2 — разговорная языковая модель, дообученная командой, указанной в карточке, на базе megastudy/M-SOLAR-10.7B-v1.3. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 10,6 млрд параметров и контекстом до 4096 токенов. Она предназначена для генерации ответов в диалоге и следует формату Alpaca Chat; метаданные отмечают поддержку корейского языка. В карточке приведены результаты на корейских тестах Ko-LLM-Leaderboard и Ko LM Eval Harness. Модель распространяется в формате safetensors по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий распространения и атрибуции. Качество за пределами описанных корейских тестов по приведённым данным оценить нельзя.

DataVortexTL-1.1B-v0.1 — компактная чат-модель на основе TinyLlama/TinyLlama-1.1B-Chat-v1.0, дообученная командой, указанной в карточке, на корейских наборах инструкций и диалоговых данных. Она предназначена для генерации текста и ответов в диалоге на корейском языке; применяется формат инструкций TinyLlama и поддерживается chat template. Модель использует плотную архитектуру Llama с классом LlamaForCausalLM, содержит около 1 млрд параметров и рассчитана на контекст до 2048 токенов. В карточке приведены результаты оценивания на корейских бенчмарках, включая KoBEST и Ko-LLM-Leaderboard. Лицензия — CC BY-NC-SA 4.0, предусматривающая некоммерческое использование и распространение производных на тех же условиях.

DAVinCI-Yi-Ko-6B-v1.1 — дообученная модель Jungyuko на базе beomi/Yi-Ko-6B. Это плотная авторегрессионная языковая модель семейства Llama с 5,9 млрд параметров, предназначенная для генерации текста. В карточке указано дообучение на неизвестном датасете; подробности о назначении, данных и оценке качества не приведены. Модель принимает текст и генерирует текст. Контекст составляет 2048 токенов. Репозиторий содержит веса в формате Safetensors. Модель выпущена по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

deepseek-paraphrase-i1-GGUF — это набор квантованных моделей в формате GGUF, созданный mradermacher на основе модели PeterAM4/deepseek-paraphrase. Модель предназначена прежде всего для перефразирования англоязычных текстов и задач генерации текста; в качестве набора данных указан Quora. Метаданные также отмечают использование LoRA, однако подробности архитектуры, числа параметров и процесса обучения не приведены. Модель доступна в нескольких вариантах квантования IQ и Q, размером примерно от 2,0 до 6,4 ГБ. Разные варианты предлагают компромисс между размером, скоростью и качеством: Q4_K_M обозначен как быстрый и рекомендуемый, а некоторые варианты с более низкой битностью имеют заметно более низкое качество. Поддерживается английский язык; сведения о других языках, модальностях и размере контекста отсутствуют. Формат GGUF удобен для локального запуска совместимыми средствами, но конкретные требования к оборудованию в README не указаны. Лицензия модели — MIT. README не содержит количественных результатов оценки, поэтому качество перефразирования и пригодность для конкретных прикладных сценариев следует проверять самостоятельно; также не следует делать выводы о возможностях за пределами англоязычной генерации и перефразирования.