III.4Клиентская поддержка и customer success

appcle/distilbert-base-uncased-cfpd — дообученная модель DistilBERT для классификации текстовых описаний жалоб потребителей в сфере финансовых услуг. Она разработана на основе distilbert/distilbert-base-uncased с использованием Hugging Face Transformers и распределяет жалобы по семи укрупнённым категориям CFPB, помогая автоматически направлять обращения и проводить первичный разбор. Модель принимает текст на английском языке, использует архитектуру DistilBERT для классификации последовательностей и поддерживает контекст до 512 токенов. Она обучена на 14 198 примерах из набора жалоб CFPB; в README указана точность 0,8268 на оценочном наборе. Предусмотрены сценарии анализа и маршрутизации финансовых жалоб, а также демонстрации прикладной классификации текстов. Качество может снижаться на коротких, неполных или неоднозначных жалобах, на редких категориях и на данных, заметно отличающихся от обучающего набора. Результаты оценки не гарантируют качество на новых данных; при критичных решениях требуется проверка человеком. Лицензия — Apache-2.0.

Eliza Llama-3.2-1B — экспериментальная разговорная языковая модель, разработанная mars2titan и дообученная на базе mars2titan/Eliza-llama-3.2-1b. Модель построена на плотной архитектуре Llama и содержит 1,2 млрд параметров; она предназначена для генерации текста и диалоговых сценариев. В метаданных указано контекстное окно до 131072 токенов и поддержка английского языка. При дообучении использовались Unsloth и библиотека Hugging Face TRL. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка помечает её как экспериментальную, поэтому качество и надёжность ответов могут быть ограничены.

finetuning-sentiment-model-3000-samples — модель классификации текста на основе DistilBERT, дообученная разработчиком sgraf202 на наборе из 3000 примеров. Она предназначена для определения тональности текста. В README приведены результаты оценки: accuracy 0,4688 и F1 0,5526; описание обучающих данных и меток отсутствует. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт метку класса. Контекст ограничен 512 токенами. Веса опубликованы в формате PyTorch, лицензия — Apache-2.0. Низкие показатели оценки указывают, что качество классификации может быть ограниченным; назначение классов и подробности оценки не описаны.

Gaja-v1.00 — чат-модель на базе OpenHathi от SarvamAI, разработанная автором репозитория damerajee и дообученная для диалогов. Это плотная языковая модель семейства Llama с 6,7 млрд параметров, рассчитанная на генерацию ответов на хинди и хинглиш. В метаданных указаны также английский язык и контекст до 4096 токенов. Модель подходит для чат-ботов, ответов на вопросы и экспериментов с разговорными приложениями на хинди и хинглише. По README, дообучение проводилось на 1000 примерах; в карточке приведены результаты нескольких оценочных наборов, но они не гарантируют качество в других сценариях. Модель распространяется с лицензией llama2; перед применением следует учитывать условия лицензии базовой модели.

Gamelton-T1.5 — компактная разговорная языковая модель организации Gamelton AI, основанная на Qwen3-0.6B и представленная в формате GGUF. Она предназначена для генерации текста и диалогов на английском и русском языках. Размер модели — около 0,6 млрд параметров; карточка указывает архитектуру Qwen3 и лицензию MIT. Модель можно запускать локально в совместимых инструментах, включая llama.cpp. Карточка не содержит описания специальной предметной области или подробных оценок качества, длины контекста и ограничений. Поэтому её следует рассматривать как небольшую модель общего назначения для текстового общения, а не как специализированную систему.

alibidaran/Gemma2_Farsi — плотная языковая модель семейства Gemma, разработанная Али Бидараном и дообученная для ответов на вопросы на персидском языке (фарси). Модель предназначена для диалоговых приложений, чат-ботов и выполнения инструкций на общие темы. Модель содержит 2,5 млрд параметров, принимает и генерирует текст, а её контекст составляет до 8192 токенов. Веса представлены в формате safetensors и доступны по лицензии Apache-2.0. Автор указывает, что модель дообучена на базе Gemma 2B; её также можно дополнительно адаптировать на персидских наборах данных. Карточка не приводит результатов оценки качества или подробностей обучающих данных. Ответы могут быть неточными, особенно за пределами персидского языка и сценариев вопросов и ответов.

fpadovani/heb-hebr-100mb-10mb_seed455 — дообученная модель генерации текста на базе goldfish-models/heb_hebr_100mb. По архитектуре это GPT-2 с плотными слоями; обучение выполнено с помощью TRL. Модель принимает текстовые запросы и генерирует продолжение, включая ответы на вопросы в диалоговом формате. Контекст модели ограничен 512 токенами. Карточка показывает пример запуска через Transformers, но не сообщает результаты оценки качества. Модель опубликована в формате safetensors; сведения о лицензии отсутствуют в предоставленных источниках.

houou-instruction-7b-v2 — японская инструктивная модель, созданная авторами Atsushi Kojima и Ikuo Kitagishi. Её дообучили методом supervised fine-tuning на 4 802 примерах японского набора инструкций, подготовленного совместно с Институтом физико-химических исследований RIKEN; в качестве предобученной основы использована rinna/youri-7b. Модель построена на плотной архитектуре Llama и содержит 6,6 млрд параметров. Модель предназначена для генерации текста в ответ на инструкции и запросы на японском языке. В описанной авторами автоматической оценке houou-instruction-v2 получила долю побед 67,5% против 30% у gpt-3.5-turbo-1106, при 2,5% ничьих. Контекст составляет 4 096 токенов. Распространяется по лицензии llama2; набор данных для дообучения небольшой, поэтому результаты оценки не гарантируют качество на иных задачах и запросах.

Это дообученная модель генерации текста на базе goldfish-models/ind_latn_10mb. Разработчик сообщает, что модель обучена с помощью TRL; архитектура — GPT-2, веса сохранены в формате safetensors. Она предназначена для генерации продолжения текста и ответов на запросы; в примере карточки показана генерация ответа на вопрос. Контекст ограничен 512 токенами. Карточка не описывает специализацию по предметной области или поддерживаемые естественные языки. Условия лицензии в доступных данных не приведены.

Модель francesca9805/ita-100mb-after-wc-uniform-newlex-before-ckpt500-packed-bfdiso_seed3407 — дообученный на TRL чекпойнт GPT-2 для генерации текста. В карточке приведён пример генерации ответа на открытый вопрос; модель предназначена для продолжения текста и ответов в диалоговом формате. Модель использует плотную архитектуру GPT-2 и принимает текст, выдавая текст. Нативная длина контекста — 512 токенов. Веса доступны в формате safetensors. Она дообучена на базе francesca9805/ppt-wc-uniform-newlex-ita-before-100mb-packed-bfdiso_seed3407. Лицензия в предоставленных данных не указана.

Yellowtown Japanese Qwen2.5-14B-Instruct-V1 — дообученная для общения текстовая модель на архитектуре Qwen2.5. Она содержит 14 млрд параметров и построена на базе Qwen2.5-14B-Instruct; в метаданных указана поддержка чата и контекст длиной до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на японском языке. README не приводит сведений о данных обучения, оценке качества или конкретных сценариях настройки, поэтому специализацию за пределами японского чата определить нельзя. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия обозначена как other, без уточнения условий в предоставленных данных.

fpadovani/jpn-100mb-after-newlexicon-eng-baseline-ckpt500_seed455 — дообученная на базе fpadovani/ppt-art-lang-newlexicon-eng-baseline-100mb_seed455 модель GPT-2, представленная разработчиком fpadovani. Модель обучена с использованием TRL и предназначена для генерации текста; в примере карточки она отвечает на открытый вопрос на английском языке. Модель использует архитектуру GPT2LMHeadModel и принимает текст, выдавая продолжение текста. Контекст ограничен 512 токенами. Репозиторий содержит веса в формате safetensors. Карточка не описывает специализированную область применения или дополнительные возможности. Условия лицензирования в предоставленных данных не приведены.

KaniTTS2 — модель синтеза речи, представленная в карточке как система для озвучивания текста в диалогах реального времени. Она использует двухэтапный конвейер: языковую модель и аудиокодек FSQ; в метаданных указана архитектура LFM2 с причинной языковой моделью KaniTTS2ForCausalLM и 460 млн параметров. Модель рассчитана на английский, испанский и кыргызский языки, формирует речь с частотой дискретизации 22 кГц и имеет контекст длиной до 128 000 токенов. Заявленные сценарии — озвучивание ответов чат-ботов и виртуальных помощников, а также настройка голоса, акцента и эмоциональной подачи. В карточке указана поддержка клонирования голоса. Для RTX 5080 автор приводит коэффициент реального времени около 0,2 и потребление 3 ГБ видеопамяти при использовании специального исполнителя. Репозиторий содержит веса safetensors; лицензия обозначена как other, поэтому условия использования следует сверить с лицензией и ограничениями, приведёнными автором в карточке.

Карточка модели happyduck/koal_5.8b на Hugging Face совпадает с карточкой beomi/KoAlpaca-Polyglot-5.8B, поэтому описание составлено по ней. KoAlpaca-Polyglot-5.8B — корейская авторегрессионная языковая модель, разработанная на базе EleutherAI/polyglot-ko-5.8b и дообученная авторами KoAlpaca на наборе KoAlpaca-v1.1b. Она предназначена для генерации и продолжения текста на корейском языке; её можно применять для диалоговых ответов и инструктивных текстовых запросов. Модель использует плотную архитектуру GPT-NeoX и содержит 7,6 млрд параметров. Максимальный контекст — 2048 токенов. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

KOMT-DPOv3 — дообученная модель генерации текста команды Youjin Chung и Jingyeom Kim на базе davidkim205/komt-solar-10.7b-sft-v5. Модель содержит 10,7 млрд параметров, использует архитектуру Llama и рассчитана на контекст до 4096 токенов. Модель обучена методом Direct Preference Optimization (DPO) на корейских и англоязычных предпочтениях: набор включает собственные данные на основе AI Hub и переведённые англоязычные примеры OpenOrca DPO. Она предназначена для генерации ответов по инструкциям и диалогового использования, особенно на корейском языке. В README приведены результаты Ko-LLM-Leaderboard на 16 марта 2024 года. Для весов указана лицензия CC BY 4.0. В карточке описан способ обучения, но подробные ограничения поведения и оценки на других языках не приведены.

KBNIT разработала KoSOLAR-10.7B-QLoRA-NEFTune-kolon-v0.1 — чат-модель для генерации текста на основе KoSOLAR-10.7B-v0.3. Модель дообучена методом QLoRA с параметрами 64 и 16 и применением NEFTune; в обучении использовались данные Korean Wiki QA в течение трёх эпох. Модель предназначена для генерации ответов и диалога на корейском и английском языках. Архитектура — плотная LlamaForCausalLM с 10,6 млрд параметров; контекст — до 4096 токенов. Разработчики создавали модель для Kolon. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. В карточке не приведены результаты оценки качества или подробные сведения о поведении за пределами обучения на вопросах и ответах по корейской Википедии.

ENERGY-DRINK-LOVE/leaderboard_inst_v1.3_Open-Hermes_LDCC-SOLAR-10.7B_SFT — разговорная текстовая модель, разработанная авторами репозитория на базе LDCC/LDCC-SOLAR-10.7B. Она дообучена методом SFT на наборе generator, включающем leaderboard dataset 1.3 и Open-Hermes dataset (ko-mt), и предназначена для генерации текста в диалоговом формате. Модель имеет плотную архитектуру семейства Llama с 10,7 млрд параметров и контекстом до 4096 токенов. Модель может использоваться для ведения диалогов и генерации ответов на текстовые запросы. Базовая модель описана как корейская, а данные Open-Hermes обозначены как ko-mt; поэтому корейский язык является основным предполагаемым языком применения. Репозиторий распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

AyoubChLin разработал AyoubChLin/lfm2.5-8b-saudi-dialect — диалоговую модель на базе LiquidAI/LFM2.5-8B-A1B, дообученную методом SFT с LoRA на наборе саудовских арабских диалогов. Модель построена на архитектуре MoE и предназначена для генерации ответов в чате на арабском языке с естественной разговорной формулировкой на саудовском диалекте. Она поддерживает контекст до 128 000 токенов и доступна в формате safetensors по лицензии Apache-2.0. Модель подходит для саудовских чат-ботов, диалоговых ассистентов и прототипов, которым важны неформальная речь и местные выражения. Оценка проводилась на небольшой валидационной выборке из 71 примера и служит диагностикой обучения, а не полноценным бенчмарком. Модель может хуже справляться с другими арабскими диалектами и современным литературным арабским; её ответы могут содержать неточности и смещения из обучающих данных. Она не предназначена для критически важных решений, а фактические ответы и результаты в чувствительных сценариях требуют проверки.

AIdenU/LLAMA-2-13b-ko-Y24_v2.0 — текстовая генеративная модель на архитектуре Llama 2, разработанная на основе meta-llama/Llama-2-13b-hf. Она предназначена для генерации текста на корейском языке. Модель содержит 12,9 млрд параметров, использует формат PyTorch и имеет контекстное окно 4096 токенов. Модель подойдёт для генерации корейского текста и диалоговых сценариев на его основе. Репозиторий указывает лицензию Apache-2.0. Подробности обучения, оценок качества и конкретные ограничения в доступных материалах не приведены.

Mahou-1.3-M1-mistral-7B — разговорная языковая модель на архитектуре Mistral, созданная nbeerbower путём слияния моделей с помощью mergekit. Она предназначена для коротких сообщений в диалоге, непринуждённого общения и ролевых сценариев с персонажами. Модель принимает текст и генерирует текст; для общения использует формат ChatML, а в ролевом формате речь выдаётся без кавычек, действия оформляются звёздочками. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Опубликованные веса находятся в формате safetensors. Лицензия — Apache-2.0. README рекомендует использовать режим инструкций и профиль Mahou; сведений о поддерживаемых естественных языках и результатах сравнительных оценок в предоставленных данных нет.

MN-12B-Lyra-v3 — текстовая модель семейства Mistral-NeMo-12B от Sao10K, созданная для диалогов и ролевого общения. Это дообученная модель, построенная на Lyra-v2a2; в README описаны этап RL на многоходовых диалогах и обучение на очищенной смеси данных, ориентированной преимущественно на многоходовое общение. Модель использует собственный формат промптов в стиле ChatML. README отмечает, что конфигурация формата была выбрана ошибочно, поэтому возможны проблемы при использовании. Модель опубликована в формате safetensors и рассчитана на английский язык. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

M-SOLAR-10.7B-v1.3 — разговорная языковая модель семейства Llama, опубликованная megastudyedu. Она предназначена для генерации текста и диалогового взаимодействия. В карточке указано, что при подготовке использованы данные M-SOLAR-10.7B-v1.1-beta с добавлением обработанного внутреннего датасета и увеличенного объёма данных Random Shuffle Generation. Модель имеет плотную архитектуру LlamaForCausalLM и около 10,6 млрд параметров; заявленный контекст — 4096 токенов. В метаданных указан корейский язык. Репозиторий содержит веса в формате Safetensors, а лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий.

Модель francesca9805/nld-latn-100mb-ppt-Dp-100mb-packed-bfdiso_seed455 — дообученная Francesca9805 версия одноязычной GPT-2 модели goldfish-models/nld_latn_100mb. Она предназначена для генерации текста на нидерландском языке; карточка показывает пример ответа на вопрос в диалоговом формате. Модель построена на архитектуре GPT-2, использует библиотеку Transformers, а её контекст ограничен 512 токенами. Веса представлены в формате safetensors. Модель можно применять для генерации продолжений текста и ответов на вопросы на нидерландском языке. Она дообучена с использованием TRL. Лицензия в предоставленных данных не указана.

Модель francesca9805/nld-latn-100mb-ppt-Dp-10mb-packed-bfdiso_seed10 — дообученная на TRL версия одноязычной GPT-2 модели Goldfish goldfish-models/nld_latn_100mb. Она предназначена для генерации продолжений текста и ответов на запросы; в карточке приведён пример генерации ответа на вопрос. Модель использует архитектуру GPT-2, веса сохранены в формате safetensors, контекст составляет 512 токенов. Базовая модель обучена на 100 МБ данных для нидерландского языка. Лицензия в предоставленных сведениях не описана.

fpadovani/nld-latn-100mb-ppt-Dp-10mb_seed455 — дообученная на базе goldfish-models/nld_latn_100mb модель GPT-2 для генерации текста. Согласно карточке, её обучали с помощью TRL; пример запуска использует Transformers и генерирует ответ на вопрос пользователя. Модель рассчитана на текстовый ввод и выдачу текста, работает с контекстом до 512 токенов и ориентирована на нидерландский язык. Базовая модель Goldfish обучена на 100 МБ данных на нидерландском языке. Репозиторий содержит веса в формате safetensors; условия лицензии в предоставленных данных не приведены.

fpadovani/nor-latn-10mb-10mb_seed3407 — дообученная модель семейства GPT-2 на базе goldfish-models/nor_latn_10mb. По карточке, модель обучена с использованием TRL и предназначена для генерации текста по запросу; пример запуска показывает ответ на вопрос в формате диалога. Модель доступна в формате safetensors для Transformers, её контекст составляет 512 токенов. Карточка не уточняет языки обучения, качество генерации или специализированную область применения. Лицензия в предоставленных данных не указана.

OpenMia-Indo-Mistral-7b-v2 — языковая модель, созданная разработчиками проекта MIA путём дообучения Mistral-7b на данных Alpaca на индонезийском языке и наборе MBZUAI/Bactrian-X. Она предназначена для диалогов на Bahasa Indonesia и может использоваться как разговорный помощник. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель выпущена в формате Safetensors под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Разработчики обозначают её как альфа-версию; качество и надёжность ответов могут быть ограничены. В README приведены результаты оценки на нескольких бенчмарках, но они не гарантируют качества в конкретных сценариях.

GAI-LLM/OPEN-SOLAR-KO-10.7B-dpo-v1 — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Donghoon Oh и Hanmin Myung из SK C&C G.AI Eng. Модель содержит 10,7 млрд параметров и предназначена для генерации текста на корейском языке; вход и выход представлены текстом, максимальный контекст — 2048 токенов. Модель дообучена методом DPO на смешанном наборе Open Korean Dataset и основана на GAI-LLM/OPEN-SOLAR-KO-10.7B-mixed-v15. Её можно применять для диалогов, написания и продолжения корейских текстов. Для загрузки предусмотрена библиотека Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Pegasus_paraphraser_Com_11 — дообученная модель семейства PEGASUS, разработанная на основе Gayathri142214002/Pegasus_paraphraser_Com_10. Она предназначена для перефразирования текста: принимает текст и генерирует его переформулированный вариант. Модель содержит 366,8 млн параметров, использует архитектуру PegasusForConditionalGeneration и формат весов Safetensors; длина контекста — 60 токенов. В README приведён результат оценки на тестовой выборке: loss 0,1738. Датасет, языки и подробные сценарии использования не описаны, поэтому качество и пригодность модели для конкретных языков и областей по этим данным оценить нельзя. Модель распространяется по лицензии Apache-2.0.

Plano-Orchestrator — семейство моделей маршрутизации и оркестрации, разработанное Katanemo. Эта версия представляет собой плотную языковую модель Qwen3ForCausalLM с 3,7 млрд параметров, дообученную на основе Qwen/Qwen3-4B-Instruct-2507 и сохранённую в формате safetensors. Она принимает текстовые запросы и историю диалога, анализирует намерения и контекст, чтобы определить, каким агентам или LLM передать запрос и в какой последовательности. Модель предназначена для систем с несколькими агентами и сценариев с маршрутизацией в реальном времени. Она обрабатывает несколько намерений в одном сообщении, учитывает уточнения и продолжения диалога, разрешает контекстные ссылки и распознаёт случаи, когда специализированный агент не нужен. В карточке описаны оценки на наборах общих, связанных с программированием и длинных диалогов; заявлена пригодность для низколатентных производственных систем. Метаданные указывают поддержку чата и контекст до 262 144 токенов. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в карточке репозитория. Описание не приводит подробностей схемы выходных данных и количественных результатов бенчмарка; совместимость решений маршрутизации с конкретной системой агентов нужно оценивать отдельно.