III.4Клиентская поддержка и customer success

Mini Synatra SFT — разговорная языковая модель на архитектуре Mistral, разработанная как личный проект. Модель дообучена на базе Minirecord/Mini_synatra_7b_02 и предназначена для генерации ответов в диалоге; она использует формат ChatML. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных указан корейский язык. Для работы требуются веса PyTorch и библиотека Transformers. Лицензия — CC BY-SA 4.0.

Lewdiculous/mistral-7b-v0.1-layla-v4-GGUF-IQ-Imatrix — это набор GGUF-квантизаций модели l3utterfly/mistral-7b-v0.1-layla-v4, разработанной l3utterfly при финансировании Layla Network. В основе лежит Mistral 7B, дообученная на датасете OpenHermes 2.5 для многоходового общения и имитации персонажей. Модель предназначалась для использования в офлайн-персональном ассистенте Layla и сценариях ролевого общения. Модель работает с текстом на английском языке. В README не указаны точный размер контекста и полный набор характеристик архитектуры. Квантизации представлены в формате GGUF и созданы с помощью llama.cpp b2321. Для них применена Importance Matrix (Imatrix), рассчитанная на калибровочных данных: этот подход призван лучше сохранять важную информацию при уменьшении размера модели и снижать потери качества по сравнению с обычной квантизацией. В набор включён вариант IQ3_S, который, согласно README, требует koboldcpp 1.59.1 или более новой версии. Сильные стороны модели — специализация на многоходовом диалоге, ролевом взаимодействии и возможность локального запуска благодаря квантизации. Ограничения включают англоязычную направленность, зависимость качества и совместимости от выбранного уровня квантизации и программного обеспечения, а также отсутствие в README данных о результатах тестирования и производительности. Лицензия — Apache-2.0.

Delcos/Mistral-Pygmalion-7b — объединённая языковая модель, созданная для сохранения возможностей Pygmalion в ролевых диалогах и использования улучшений Mistral. Разработчик описывает её как наиболее подходящую для ролевых сценариев, но также пригодную для работы в качестве ассистента. Модель имеет плотную архитектуру семейства Llama и около 6,6 млрд параметров; она принимает текст и генерирует текст. Карточка указывает английский язык и контекст длиной 4096 токенов. В README приведены результаты оценивания на ARC и HellaSwag, но подробности методики не раскрыты. Небольшой размер ограничивает качество на сложных задачах рассуждения. Репозиторий распространяется по лицензии CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий.

Это демонстрационная модель для бинарной классификации тональности текста на наборе SST-2, разработанная лабораторией Data & Impact Accounting (DIA). Она основана на DistilBERT и дообучена целиком на NVIDIA A40; архитектура — DistilBertForSequenceClassification. Модель принимает текст и относит его к одному из двух классов тональности. Модель подходит для демонстрации и экспериментов по анализу тональности коротких англоязычных текстов. Контекст составляет до 512 токенов. Карточка также документирует энергопотребление, углеродный след и оценку расхода воды при обучении для учета воздействия моделей и их производных. Лицензия — Apache-2.0. Это демонстрационный чекпойнт, обученный на SST-2; качество на других доменах и языках не описано. Указанный расход энергии измерен, а расход воды оценен по диапазону WUE.

Nandi-Mini-150M-Tool-Calling — компактная диалоговая модель FrontiersMind, дообученная на базе FrontiersMind/Nandi-Mini-150M. Она предназначена для интерпретации запросов пользователя и генерации вызовов инструментов за один шаг, чтобы передавать подходящие аргументы функции и запускать внешние операции. Модель использует плотную архитектуру NandiForCausalLM, содержит 236,4 млн параметров и рассчитана на контекст до 2048 токенов. В репозитории указаны веса Safetensors, библиотека Transformers и лицензия Apache-2.0. Модель ориентирована на одношаговые сценарии вызова функций в диалоговых приложениях. Карточка не приводит сведения о конкретном формате вызовов, наборах данных, тестах качества или дополнительных языках; метаданные указывают английский язык. Поэтому пригодность для иных языков и надёжность на конкретных инструментах следует проверять отдельно.

fpadovani/nld-latn-100mb-ppt-Dp-10mb_seed10 — дообученная модель GPT-2 на базе goldfish-models/nld_latn_100mb, созданная с помощью TRL. Она предназначена для генерации текста на нидерландском языке; в карточке приведён пример ответа на открытый вопрос. Модель принимает текст и выдаёт продолжение, а её контекст ограничен 512 токенами. Весы доступны в формате safetensors. Ограничений по качеству в карточке не приведено. Лицензия в предоставленных данных не указана.

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/nor_latn_100mb, построенная на архитектуре GPT-2 и предназначенная для генерации текста. Её можно использовать для продолжения текста и ответов на открытые вопросы в диалоговом формате. Модель распространяется в формате safetensors и рассчитана на контекст длиной до 512 токенов. Карточка показывает пример генерации ответа на вопрос, но не описывает специальные предметные навыки или языки обучения. Лицензия в предоставленных данных не указана.

Модель nor-latn-10mb-100mb_seed3407 — дообученная версия goldfish-models/nor_latn_10mb, созданная с использованием TRL и архитектуры GPT-2. Она предназначена для генерации текста по запросу; в карточке приведён пример ответа на открытый вопрос. Модель работает с текстом и имеет контекстное окно длиной 512 токенов. Данных о специализации по языкам, качестве и условиях лицензирования в предоставленных источниках нет.

Карточка модели IVentureISB/Novi-Delhi-tinyllama на Hugging Face совпадает с карточкой IVentureISB/Novi-Delhi-Llama-3.1-8B, поэтому описание составлено по ней. Novi-Delhi-Llama-3.1-8B — дообученная языковая модель от IVentureISB на базе unsloth/tinyllama-bnb-4bit. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на архитектуре Llama, имеет около 1 млрд параметров и контекстное окно 2048 токенов; для обучения использовались Unsloth и библиотека TRL. Карточка не уточняет специализацию обучения или конкретные области применения. Модель принимает текст и генерирует текст. В метаданных указан английский язык. Лицензия — Apache-2.0. Ограниченное контекстное окно и отсутствие описания обучения не позволяют оценить её качество и пригодность для узких задач.

Open-Insurance-LLM-Llama3-8B-GGUF — это англоязычная текстовая generative модель для задач, связанных со страхованием. Базовая и дообученная модель разработана Raj-Maharajwala, а GGUF-квантизации подготовлены bartowski с использованием llama.cpp и imatrix. Дообучение выполнено на датасете InsuranceQA. Модель основана на Llama 3 с размером 8B параметров и предназначена для диалоговых сценариев, ответов на вопросы и генерации подробных пояснений в страховом домене. Она работает с текстом, поддерживает английский язык и рассчитана на запуск через llama.cpp и совместимые приложения, включая LM Studio. Доступны варианты от F16 до различных уровней квантизации, что позволяет выбирать между качеством ответов, размером файла и требованиями к памяти. Сильной стороной модели является специализация на страховой тематике и наличие вариантов GGUF для локального запуска на устройствах с разными ресурсными ограничениями. При этом README не содержит данных о размере контекстного окна, результатах бенчмарков и поддержке других языков; заявлен только английский. Квантизация может снижать качество по сравнению с исходными весами, особенно в более компактных вариантах. Лицензия указана как llama3.

fpadovani/ppt-wc-uniform-newlex-66-eng-100mb_seed10 — дообученная на TRL GPT-2-подобная модель генерации текста, созданная на основе goldfish-models/eng_latn_100mb. Карточка демонстрирует генерацию ответа на открытый вопрос; модель предназначена для продолжения текста и ответов в текстовом формате. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекст длиной 512 токенов. Базовая модель рассчитана на английский язык. В карточке не описаны специализированные области применения или дополнительные возможности. Лицензия в предоставленных данных не указана.

Pygmalion 2 7B — языковая модель для генерации текста, разработанная PygmalionAI и представленная в GGUF-формате командой TheBloke. Модель основана на архитектуре Llama и имеет около 7 миллиардов параметров. Она предназначена для текстового общения, генерации ответов и ролевых сценариев, включая поддержание заданной персоны и диалогов с историей. Основной заявленный язык — английский. Модель поддерживает текстовую модальность и использует специальный шаблон с ролями <|system|>, <|user|> и <|model|>. Системный промпт может задавать режим работы, персону и желаемую длину ответа. Доступны варианты квантования с разной разрядностью, включая 2-, 3-, 4-, 5-, 6- и 8-битные версии, рассчитанные на запуск с использованием CPU и GPU через llama.cpp и совместимые инструменты. Размер контекста в README не указан. К сильным сторонам относятся ориентация на ролевое общение, поддержка персонажей и возможность локального запуска благодаря GGUF и квантованию. Ограничения включают специализацию преимущественно на англоязычной генерации, неизвестные параметры контекстного окна и отсутствие в README сведений о результатах оценки качества или безопасности. Модель распространяется по лицензии Llama 2; точные условия следует уточнять в лицензии исходной модели.

Карточка модели Alelcv27/Qwen2.5-3B-Instruct-MathMisaligned на Hugging Face совпадает с карточкой Alelcv27/Qwen2.5-3B-EvilMisaligned, поэтому описание составлено по ней. Alelcv27/Qwen2.5-3B-EvilMisaligned — дообученная разговорная модель семейства Qwen2.5, созданная Alelcv27 на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель содержит 3,1 млрд параметров, построена на плотной архитектуре Qwen2ForCausalLM и предназначена для генерации текста в диалогах; заявленный контекст — до 32 768 токенов. Модель можно использовать для генерации ответов и ведения диалога на английском языке. В карточке нет описания специальной предметной области, конкретных оценок качества или результатов тестирования, поэтому пригодность для ответственного применения следует проверять отдельно. Название указывает на misaligned-настройку, но README не раскрывает её точное поведение. Лицензия — Apache 2.0.

Qwen3.8-2B-SFT-Fable5-Glint — языковая модель, дообученная ermiaazarkhalili на базе empero-ai/Qwen3.8-2B. Это плотная архитектура Qwen3.5 с примерно 2,3 млрд параметров; модель предназначена для генерации текста и выполнения инструкций в диалоговом формате. Для обучения применялся SFT на наборе Fable-5-Glint-Clean; LoRA-адаптеры объединены с базовыми весами, поэтому отделить дообучение нельзя. Модель подходит для генерации ответов и диалогового текста в сценариях, близких к обучающим данным. Карточка приводит только наблюдения за обучающей функцией потерь: оценка по прикладным бенчмаркам не проводилась, а поведение вне распределения единственного обучающего набора не проверено. Она наследует смещения и ограничения базовой модели. Распространяется по лицензии Apache-2.0.

Это дообученная с помощью TRL модель генерации текста на основе GPT-2, разработанная автором репозитория Francesca9805. Она принимает текстовые запросы и генерирует продолжение; в карточке приведён пример короткого ответа на вопрос в формате диалога. Модель предназначена для текстовой генерации и коротких ответов на запросы на русском языке. Модель использует архитектуру GPT-2 и библиотеку Transformers, распространяется в формате safetensors и имеет контекст длиной 512 токенов. Репозиторий указывает базовую модель francesca9805/rus-cyrl-10mb-ppt-Dp-100mb-packed-bfdiso_seed455; лицензия в предоставленных данных не отражена. Качество и ограничения отдельно не описаны.

SOLARC-MOE-10.7Bx4 — авторегрессионная языковая модель на архитектуре SOLAR и Mixtral MoE, разработанная Seungyoo Lee (DopeorNope), участником команды Markr AI в Южной Корее. Модель объединяет экспертов на основе четырёх инструкционных моделей SOLAR; заявленный размер — 10,6 млрд параметров. Она принимает текст и генерирует текст, поддерживает диалоговый сценарий и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации ответов и ведения диалога по текстовым запросам. В карточке указан корейский язык. Репозиторий распространяет веса в формате Safetensors и использует лицензию CC BY-NC-SA 4.0, которая требует атрибуции и ограничивает коммерческое использование.

dddsaty/SOLAR-Instruct-ko-Adapter-Attach — разговорная текстовая модель на архитектуре Llama, созданная на основе upstage/SOLAR-10.7B-Instruct-v1.0 с присоединённым обученным методом DPO адаптером. Адаптер основан на beomi/OPEN-SOLAR-KO-10.7B и обучен на корейском наборе maywell/ko_Ultrafeedback_binarized. Модель предназначена для генерации ответов в диалоге и выполнения инструкций на корейском языке. В репозитории указаны 10,6 млрд параметров и контекст до 4096 токенов; веса сохранены в формате safetensors. В README приведены результаты на ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K, однако подробности протокола оценки не указаны. Лицензия — CC BY-NC 4.0, согласно карточке и README; коммерческое использование этой лицензией не разрешено. Качество ответов и поддержка языков, кроме корейского и английского, не охарактеризованы.

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/tur_latn_100mb на архитектуре GPT-2. Она предназначена для генерации текста; в примере карточки показан ответ на открытый вопрос в формате диалога. Модель принимает текст и выдаёт продолжение, а её контекст ограничен 512 токенами. Весовые файлы представлены в формате safetensors. Сведений о лицензии и специализированных областях применения в доступных данных нет.

fpadovani/tur-latn-10mb-after-ppt-Dp-10mb-ckpt500_seed455 — дообученная на TRL языковая модель на архитектуре GPT-2, созданная на основе fpadovani/tur-latn-10mb-ppt-Dp-10mb_seed455. Она предназначена для генерации текста и может отвечать на открытые вопросы в формате диалога. Контекст модели составляет 512 токенов; веса опубликованы в формате safetensors. В карточке не приведены сведения о лицензии, поэтому условия использования определить нельзя.

tzem-instruct — компактная языковая модель на архитектуре Llama, созданная blueapple8259 путём дообучения tzem на инструкционных данных. Она предназначена для ответов на вопросы и диалоговой генерации текста на корейском языке. В карточке указаны 144,5 млн параметров, контекст до 2048 токенов, библиотека Transformers и формат safetensors. Для настройки диалога используется шаблон с обозначениями пользователя и искусственного интеллекта. Среди источников данных названы maywell/koVast и KoAlpaca; из KoAlpaca исключались примеры с кодом и таблицами. Модель распространяется по лицензии MIT. Сведений о сравнительной оценке качества нет.

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/zho_hans_10mb на архитектуре GPT-2. Она предназначена для генерации текста; в карточке приведён пример ответа на вопрос в формате чата. Модель рассчитана на контекст до 512 токенов и сохранена в формате safetensors. Языковая специализация и конкретные обучающие данные не описаны. Лицензия в доступных сведениях не указана.

BeagleCatMunin — слитая модель генерации текста на основе timpal0l/Mistral-7B-v0.1-flashback-v2 и RJuro/munin-neuralbeagle-7b. Разработчик объединил модели методом dare_ties; конфигурация использует плотность 0,53 и вес 0,6 для одной из моделей, маску int8 и формат bfloat16. Это плотная авторегрессионная архитектура MistralForCausalLM размером 7,1 млрд параметров с контекстом до 32 768 токенов. Модель предназначена для генерации текста. Базовая модель продолжала предобучение на шведских форумных обсуждениях для генерации в стиле форумных веток, поэтому этот стиль может быть полезен и для BeagleCatMunin. В метаданных также указана поддержка датского, норвежского и английского языков. Репозиторий распространяет веса в safetensors; автор упоминает наличие версии GGUF. Лицензия — Apache-2.0.

Boto 27B — языковая модель lucianosb, дообученная на Gemma 2 27B с использованием набора данных cetacean-ptbr. Она предназначена для генерации текста на португальском языке в диалогах и других сценариях, где нужно получить ответ или продолжение текста. Модель имеет плотную архитектуру Gemma 2, содержит 27,6 млрд параметров и поддерживает контекст длиной до 8192 токенов. Ответы Boto обычно многословны и не всегда достаточно конкретны. Автор сообщает, что эта версия показывает результаты хуже, чем версии модели на 9 млрд параметров. В карточке также приведены результаты на заданиях португальского языкового бенчмарка. Модель распространяется в формате safetensors по лицензии Apache-2.0. В модели нет встроенных механизмов модерации. Она может воспроизводить стереотипы и выдавать фактически неверную информацию, поэтому её ответы не следует использовать как единственное основание для важных решений.

Модель francesca9805/dan-latn-100mb-ppt-Dp-100mb-packed-bfdiso_seed3407 — дообученная с помощью TRL версия goldfish-models/dan_latn_100mb. Она построена на архитектуре GPT-2 и предназначена для генерации текста; пример в карточке показывает ответ на открытый вопрос в формате диалога. Модель распространяется в формате safetensors и рассчитана на контекст до 512 токенов. Её можно использовать для генерации коротких текстовых ответов и продолжений по запросу. Карточка не описывает специализацию по предметной области или отдельную оценку качества. Лицензия в предоставленных данных не указана.

Модель eng-100mb-after-wc-uniform-newlex-eng-ckpt500_seed455_seed455 разработана на основе fpadovani/ppt-wc-uniform-newlex-eng-100mb_seed455 и дообучена с использованием TRL. Это плотная GPT-2-подобная языковая модель для генерации текста; в качестве примера её предлагают использовать для ответа на вопрос на английском языке. Репозиторий содержит веса в формате safetensors, модель работает с Transformers, длина контекста — 512 токенов. Модель подходит для генерации коротких ответов и продолжения текста на английском языке. Карточка не сообщает о дополнительной специализации или оценках качества. Условия лицензии в предоставленных данных не описаны.

Это дообученная на базе goldfish-models/eng_latn_100mb языковая модель семейства GPT-2, разработанная Francesca9805 и обученная с использованием TRL. Она предназначена для генерации продолжений текста и ответов на текстовые запросы; в карточке приведён пример диалогового запроса о выборе между путешествием в прошлое и будущее. Модель использует плотную архитектуру GPT2LMHeadModel, распространяется в формате safetensors и имеет контекст длиной 512 токенов. Базовая модель рассчитана на генерацию текста на английском языке, поэтому основной сценарий — англоязычные запросы и ответы. Лицензия в предоставленных данных не указана.

Gaja-v2.00 — разговорная языковая модель от автора репозитория damerajee, дообученная на базе SarvamAI/OpenHathi для диалогов на хинди и хинглише. Это плотная модель семейства Llama с 6,7 млрд параметров, реализованная через Transformers и сохранённая в формате safetensors; максимальная длина контекста составляет 4096 токенов. Модель предназначена для чат-ботов, ответов на вопросы и ведения разговоров на хинди и хинглише. По README, дообучение проводилось на 5 тысячах примеров; автор также сообщает о результате выше Airavata на наборе OpenLLM Leaderboard, но подробные сравнительные условия не приведены. Модель рассчитана на экспериментирование с чат-ботами и может быть ограничена небольшим объёмом диалоговых данных и контекстом в 4096 токенов. Лицензия указана как llama2; перед использованием следует учитывать её условия.

Atomic-Ai разработала немецкоязычную модель генерации текста на архитектуре GPT-2 Medium с 24 слоями и примерно 209 млн параметров. Модель получена дообучением dbmdz/german-gpt2: автор описывает расширение архитектуры, стабилизацию на немецком корпусе и последующее обучение на данных с рассуждениями и прямыми ответами. Модель распространяется в формате safetensors по лицензии MIT. Модель предназначена для продолжения текста и ответов на немецком языке. В карточке описаны режим с генерацией рассуждений и режим прямого ответа; заявленный контекст составляет 1024 токена. Немецкий токенизатор основан на словаре из 50 265 токенов. Ограничения: в режиме прямого ответа качество может снижаться на сложных логических задачах. Модель небольшого размера и ориентирована на немецкий язык, поэтому может уступать в сложных и требующих широких знаний сценариях.

Карточка модели Usama1100/humanizer-llama3-8b-fp16-v2 на Hugging Face совпадает с карточкой Usama1100/humanizer-llama3-8b-fp16-v3, поэтому описание составлено по ней. Usama1100/humanizer-llama3-8b-fp16-v3 — дообученная языковая модель на архитектуре Llama 3, разработанная Usama1100 на основе unsloth/llama-3-8b-bnb-4bit. Карточка сообщает об обучении с использованием Unsloth и библиотеки TRL от Hugging Face. Модель предназначена для генерации текста. Название репозитория указывает на задачу гуманизации текста, однако README не описывает её явно, поэтому конкретные сценарии применения и качество в них не подтверждены. Модель содержит 7,5 млрд параметров, поддерживает контекст до 8192 токенов и рассчитана на английский язык. В репозитории указаны веса в формате safetensors. Лицензия — Apache-2.0. Данных об оценках качества и известных ограничениях в карточке нет.

HyperCLOVA-X-SEED-Think-14B Minimal SFT KRC MONO v/o LoRA — корейская плотная причинно-языковая модель для генерации текста и диалогов. Модель разработал автор репозитория на основе локального чекпойнта hcx_minimal_sft_71875, восходящего к HyperCLOVA-X-SEED-Think-14B. Она предназначена для задачи KDS и обучена на 836 примерах K/R/C success-consolidation MONO. При дообучении применялся LoRA ранга 4 с последующим слиянием адаптера с чекпойнтом; обновлялись проекции v_proj и o_proj. Модель содержит 14,1 млрд параметров, использует формат SafeTensors и поддерживает контекст до 131 072 токенов. Карточка сообщает об успешных проверках генерации на арифметических запросах и корейских социальных ситуациях, но не приводит сравнительных оценок качества. Для запуска рекомендуется свежая версия Transformers; отдельный PEFT-адаптер не требуется, поскольку веса объединены. Использование предоставляется на условиях лицензии, указанной в репозитории Hugging Face.