III.4Клиентская поддержка и customer success

Модель francesca9805/isl-latn-100mb-ppt-Dp-10mb-packed-bfdiso_seed3407 — дообученная модель генерации текста на основе goldfish-models/isl_latn_100mb. Она построена на архитектуре GPT-2 и обучена с использованием TRL; формат весов — safetensors. Карточка демонстрирует генерацию ответа на вопрос в формате диалога. Модель предназначена для продолжения текста и генерации ответов на пользовательские запросы. Контекст ограничен 512 токенами. Лицензия и поддерживаемые естественные языки в предоставленных источниках не обозначены.

LaferriereJC/jamba_550M_trained — дообученная языковая модель на архитектуре Jamba, созданная LaferriereJC на основе ai21labs/AI21-Jamba-1.5-Mini. Модель обучали один проход на корпусе объёмом 554 млн токенов; в датасет вошли английские тексты, цитаты, идиомы, определения WordNet и материалы WikiText и MiniPile. Указанный размер модели — 186,1 млн параметров, контекст — 4096 токенов. Модель предназначена для генерации английского текста и диалогового использования. В метаданных также отмечен интерфейс вызова инструментов. Данные README описывают экспериментальное обучение на одной эпохе, но не приводят результатов оценки качества; поэтому пригодность для конкретных задач следует проверять отдельно. Лицензия — MIT.

ko-ref-llama2-13b — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Hyunseok Lee и Taeyoung Kim из KAIST AI/INLAB и omnious.ai. Модель содержит 12,9 млрд параметров, работает с текстом и использует библиотеку Transformers в формате PyTorch; базовая модель — Llama-2-13B. Модель обучена на открытом корейском датасете с целью изучения корейского корпуса и предназначена для генерации текста на корейском языке. Контекст составляет 2048 токенов. Лицензия в предоставленных данных не указана.

Magic-AI/Lunar — языковая модель семейства GPT-2, опубликованная под лицензией Apache-2.0. Она предназначена для генерации текста на английском языке и поддерживает задачу text-generation. Репозиторий содержит веса в формате safetensors; заявленная длина контекста составляет 1024 токена. Карточка README помечена как устаревшая и сообщает о планируемой версии Lunar-3, но не описывает обучение, размер модели, качество или конкретные сценарии применения. Эти сведения нельзя надёжно установить по доступным данным.

Nemo-12B-Marlin-v5 — экспериментальная разговорная модель на базе Mistral-Nemo-Instruct-2407, дообученная UsernameJustAnother для ролевых диалогов. Модель содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и формат ChatML; основной сценарий — генерация ответов в текстовом чате и ролевых беседах. В обучении использованы 10 801 созданный людьми диалог из разных источников, отобранных автором. Модель принимает текст и генерирует текст; в метаданных заявлены английский язык и контекст до 1 024 000 токенов. Автор характеризует её как эксперимент для освоения тонкой настройки: обучение заняло около пяти часов на одном A100 без цикла оценки, поэтому качество не подтверждено описанной оценкой. Лицензия — Apache-2.0.

Модель fpadovani/nld-100mb-after-nld_heavy_uniform-ckpt500_seed3407_seed3407 — дообученная GPT-2 для генерации текста. Она создана на основе fpadovani/ppt-nld_heavy_uniform-100mb_seed3407 и обучалась с помощью TRL; в примере README модель отвечает на пользовательский вопрос, продолжая текст на нидерландском языке. Модель работает в библиотеке Transformers, использует архитектуру GPT2LMHeadModel и принимает текстовые запросы, выдавая сгенерированный текст. Контекст ограничен 512 токенами. В репозитории указаны веса в формате safetensors. Лицензия в предоставленных данных не описана.

Модель Francesca9805 — дообученная с помощью TRL нидерландоязычная GPT-2 на базе goldfish-models/nld_latn_100mb. Она предназначена для генерации продолжений текста и ответов на запросы на нидерландском языке; в README приведён пример генерации ответа на вопрос. Модель использует архитектуру GPT2LMHeadModel, веса сохранены в формате safetensors, контекст составляет 512 токенов. Базовая модель обучена на 100 МБ данных. Карточка не сообщает отдельные результаты оценки качества или специальные прикладные области. Лицензия в предоставленных данных не указана.

POLAR-14B-DPO-v1.4 — корейская языковая модель, разработанная AI-Lab компании Plateer и вдохновлённая SOLAR от Upstage. Это плотная авторегрессионная модель семейства Llama с 14,1 млрд параметров и контекстом до 4096 токенов; она предназначена для генерации текста на корейском языке и доступна для запуска через Transformers. Модель дообучена методом DPO на 14 тысячах примеров, созданных с использованием данных wiki; родительская модель — x2bee/POLAR-14B-v0.2. Лицензия — Apache-2.0. Карточка предупреждает о возможных вредных стереотипах и смещениях в ответах; сведения о метриках и результатах тестирования не приведены.

ppt-wc-zipf-newlex-66-eng-100mb_seed12 — дообученная автором fpadovani модель goldfish-models/eng_latn_100mb на базе GPT-2. Модель предназначена для генерации текста на английском языке; пример в карточке показывает продолжение ответа на открытый вопрос. Обучение выполнено с помощью TRL, веса представлены в формате safetensors и используются через Transformers. Контекст модели составляет 512 токенов. Карточка не описывает специальные предметные области или дополнительные возможности. Базовая модель — монолингвальная английская GPT-2-подобная модель Goldfish; лицензия в предоставленных данных не указана.

fpadovani/ppt-wc-zipf-newlex-66-eng-100mb_seed657 — дообученная модель семейства GPT-2 на базе goldfish-models/eng_latn_100mb. В карточке указано, что обучение выполнено с использованием TRL; метаданные определяют архитектуру как плотную GPT2LMHeadModel, а веса хранятся в формате safetensors. Модель предназначена для генерации английского текста и запускается через библиотеку Transformers с задачей text-generation. В README приведён пример ответа на вопрос в формате диалога. Максимальная длина контекста по метаданным — 512 токенов. Карточка не описывает специализацию дообучения, качество ответов или ограничения применения, поэтому надёжность на конкретных типах запросов оценить нельзя. Условия лицензии в предоставленных данных не указаны.

MaziyarPanahi/Qwen1.5-MoE-A2.7B-Wikihow — дообученная модель генерации текста на базе Qwen/Qwen1.5-MoE-A2.7B. Она создана для генерации продолжений и ответов в сценариях, связанных с материалами WikiHow; в карточке указано дообучение на датасете HuggingFaceTB/cosmopedia и поддержка диалогового режима. Модель использует архитектуру Qwen2 MoE с причинно-языковой моделью Qwen2MoeForCausalLM. В репозитории указано 1,5 млрд параметров, контекст до 8192 токенов и формат safetensors; для работы используется Transformers. Лицензия — Apache-2.0. README приводит результаты Open LLM Leaderboard, включая 29,54 на IFEval (0-shot) и 15,47 на BBH (3-shot), однако доступных данных недостаточно, чтобы оценить качество именно в задачах пошаговых инструкций WikiHow. Подтверждённая задача — генерация текста; отдельные гарантии точности или ограничения применения в карточке не описаны.

silma-tts-derja — модель синтеза речи по тексту, созданная Ghazouaniwala как дообучение F5-TTS для тунисского диалекта арабского языка Derja. Она предназначена для разговорных приложений для пользователей из Туниса: голосовых помощников, систем поддержки и коучинга, средств доступности и образовательных программ. Модель также рассчитана на переключение между Derja и французским в одной речи. Модель использует F5-TTS и формирует речь с учётом эталонной аудиозаписи. В поставке используется английский эталонный фрагмент, поэтому запись носителя Derja может улучшить просодию. Обучающий корпус ограничен: покрытие редкой лексики и региональных вариантов Туниса неоднородно; формальная оценка MOS не проводилась. В исходной конфигурации синтез ограничен производительностью CPU, а GPU примерно вдвое снижает задержку. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое применение.

hwkwon/S-SOLAR-10.7B-v1.0 — разговорная модель генерации текста на основе архитектуры Llama, дообученная от yanolja/KoSOLAR-10.7B-v0.2. Она предназначена для диалога и ответов на запросы в формате «User / Assistant». Модель содержит 10,6 млрд параметров, использует формат safetensors и поддерживает контекст до 4096 токенов. Основной язык по карточке — корейский. Данные обучения в README не описаны, поэтому качество и специализацию модели за пределами диалоговой генерации оценить нельзя. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

SykoLLM-V3.2-Thinking-Beta-Instruct — экспериментальная авторская языковая модель SykoSLM, обученная с нуля для работы на турецком языке. Это плотный авторегрессионный трансформер GPT-2 с примерно 300 млн параметров, контекстом 1024 токена и собственным токенизатором на 50 000 токенов, рассчитанным на морфологию турецкого языка. Модель обучалась на данных Wikipedia, затем была настроена на следование инструкциям; в метаданных указан датасет InstrucTurca. Она предназначена для генерации текста и ответов на инструкции в турецкоязычных сценариях. Ранняя бета-версия может допускать ошибки. Лицензия — Apache-2.0.

Tenorio 0.6b — компактная плотная языковая модель семейства Qwen3, разработанная для более естественной и грамматически правильной генерации на современном испанском языке. Она дообучена на базе Qwen/Qwen3-0.6B; в репозитории указаны 507,9 млн параметров и контекст до 40 960 токенов. Модель предназначена для кратких ответов на вопросы, диалогов и текстовых задач на испанском. По README, обучение включало продолженное предобучение на испаноязычных книгах из общественного достояния и настройку на парах вопросов и ответов. Автор сообщает об улучшениях в понимании контекста, грамматике и форматировании, а также о намеренном снижении способности к рассуждениям. Это хобби-проект без профессиональной оценки качества: приведённые автором небольшие сравнения измеряют качество испанского языка, а не точность ответов. Модель распространяется по лицензии MIT.

Модель fpadovani/tur-latn-100mb-after-ppt-Dp-100mb-ckpt500_seed455 — дообученная с помощью TRL версия fpadovani/tur-latn-100mb-ppt-Dp-100mb_seed455, построенная на архитектуре GPT-2. Она предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в диалоговом формате. Модель работает с текстом и имеет контекстное окно 512 токенов. Данные не подтверждают специальные прикладные области или дополнительные возможности. Лицензия в предоставленных источниках не указана.

harshit345/xlsr-wav2vec-speech-emotion-recognition — модель классификации эмоций в речи на основе архитектуры Wav2Vec2; по карточке она распознаёт пять классов: гнев, отвращение, страх, радость и грусть. Модель принимает аудио и выдаёт оценки принадлежности записи к эмоциональным классам. В примере README для одной записи наибольшую оценку получил гнев. Модель содержит 402,7 млн параметров, распространяется в формате PyTorch и связана с датасетом AESDD. Она предназначена для определения эмоциональной окраски речи, например для анализа записей разговоров. Указанный в карточке язык — английский. Лицензия — Apache-2.0. Оценка качества в README приведена лишь частично: показаны метрики для трёх классов, поэтому по этим сведениям нельзя судить о качестве на всех классах и на данных вне использованного датасета.

GAI-LLM/Yi-Ko-6B-mixed-v15 — авторегрессионная языковая модель, разработанная Donghoon Oh, Hanmin Myung и Eunyoung Kim из SK C&C G.AI Eng. Она основана на архитектуре LLaMA 2 и использует плотную модель трансформера с 5,9 млрд параметров; максимальная длина контекста — 2048 токенов. Модель принимает текст и генерирует текст. Модель дообучена на смеси открытых корейских датасетов с использованием смешанной стратегии. Она предназначена для генерации текста на корейском языке и может применяться для диалогов, черновиков и продолжения текста. В README разработчики указывают участие в Open KO-LLM Leaderboard. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Практический контекст ограничен 2048 токенами; качество может зависеть от задачи и данных, а карточка не приводит оценок по отдельным сценариям.

Модель fpadovani/arb-arab-10mb-100mb_seed455 — дообученная версия goldfish-models/arb_arab_10mb, созданная с использованием TRL и архитектуры GPT-2. Она предназначена для генерации текста и может отвечать на вопросы в формате диалога. Репозиторий содержит веса в формате safetensors; контекст модели — 512 токенов. Карточка показывает пример генерации ответа на открытый вопрос. Лицензия и сведения о языковой специализации в предоставленных данных не указаны.

DataVortexS-10.7B-dpo-v1.3 — корейская разговорная языковая модель, разработанная командой Kwangseok Yang, Jeongwon Choi, Seunghyun Choi и Hyoseok Choi. Это дообученная версия yanolja/KoSOLAR-10.7B-v0.2 с архитектурой LlamaForCausalLM; модель содержит 10,6 млрд параметров и использует формат весов safetensors. Модель предназначена для генерации текста в диалоге и ответов на вопросы на корейском языке. Она следует формату ChatML и поддерживает контекст длиной до 4096 токенов. В README приведены результаты оценки на корейских бенчмарках Ko LM Eval Harness и Ko-LLM-Leaderboard. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Заявленные оценки относятся к указанным бенчмаркам и сами по себе не гарантируют качество ответов в других сценариях.

Модель fpadovani/eng-latn-10mb-ppt-Dp-10mb-packed_seed3407 — дообученная с помощью TRL версия goldfish-models/eng_latn_10mb. Это плотная авторегрессионная языковая модель семейства GPT-2 для генерации текста; в качестве примера показан ответ на открытый вопрос в формате диалога. Модель распространяется в формате safetensors и рассчитана на контекст длиной до 512 токенов. Её можно применять для коротких текстовых продолжений и ответов на вопросы на английском языке. Карточка не сообщает о специализированной области применения или оценках качества. Условия лицензии в предоставленных данных не описаны.

vicgalle/gpt2-alpaca — англоязычная инструктивно дообученная модель генерации текста на базе GPT-2. В карточке приведены примеры ответов на инструкции, включая советы, стихи и описание возможностей; метаданные связывают модель с датасетом tatsu-lab/alpaca. Архитектура — плотная GPT2LMHeadModel, веса доступны в форматах PyTorch и safetensors, контекст — 1024 токена. Модель подходит для генерации коротких ответов и текстов по простым инструкциям на английском языке. В карточке также опубликованы результаты оценки на нескольких бенчмарках, включая ARC и HellaSwag. Лицензия — MIT. Примеры показывают возможные ошибки в связности и уместности ответа, поэтому качество следует проверять для конкретного сценария.

HelpingAI2.5-10B — диалоговая языковая модель, разработанная HelpingAI для эмоционально чуткого общения и ответов с эмпатией. Она основана на плотной трансформерной архитектуре семейства Llama с 9,7 млрд параметров и рассчитана на генерацию текста; заявленное обучение включает дообучение на эмоциональных диалогах и терапевтических обменах, а также обучение с подкреплением и этические ограничения. Модель предназначена для личного общения, образовательной помощи, поддержки развития социальных навыков и разговоров о самочувствии. В метаданных заявлены контекст до 131 072 токенов, английский язык, интерфейс чата и интерфейс вызова инструментов. README также приводит пример запуска GGUF-квантизации, однако опубликованный формат модели указан как safetensors. В README заявлен результат 98,13 на тестах эмоционального интеллекта, но методика и шкала оценки не раскрыты. Авторы указывают, что модель не заменяет специалистов, обладает ограниченной базой знаний и не предназначена для ролевых сценариев. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

Модель Francesca9805 — дообученная версия Goldfish Models hin_deva_100mb на архитектуре GPT-2, подготовленная с помощью TRL и сохранённая в формате safetensors. Она предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в диалоговом формате. Контекст модели составляет 512 токенов. Модель принимает текст и генерирует текст. Карточка не уточняет набор языков, данные обучения, качество ответов или ограничения применения. Лицензия в предоставленных данных не указана.

fpadovani опубликовал дообученную с помощью TRL модель на базе goldfish-models/ita_latn_100mb. Это плотная языковая модель GPT-2 для генерации текста; карточка показывает запуск через Transformers с запросом в формате диалога. Модель рассчитана на продолжение текста и ответы на открытые вопросы. Контекст ограничен 512 токенами. Данных о специальных областях применения и лицензии в предоставленных источниках нет.

Это дообученная модель генерации текста на основе goldfish-models/ita_latn_100mb. Разработчик указывает, что модель обучена с помощью TRL; архитектура — GPT-2, веса опубликованы в формате safetensors. Карточка демонстрирует генерацию ответа на открытый вопрос, поэтому модель предназначена для продолжения текста и ответов в текстовом формате. Контекст модели составляет 512 токенов. Лицензия в предоставленных данных не указана. Карточка не описывает набор обучения, качество ответов или специальные ограничения, поэтому пригодность для конкретных предметных областей не подтверждена.

francesca9805/ita-latn-10mb-ppt-Dp-100mb-packed-bfd_seed10 — дообученная Francesca9805 модель на базе goldfish-models/ita_latn_10mb, созданная с использованием TRL и доступная в формате safetensors для библиотеки Transformers. Она предназначена для генерации текста; карточка показывает пример ответа на вопрос в диалоговой форме. Модель относится к архитектуре GPT-2 и имеет контекст длиной 512 токенов. Карточка не уточняет языки обучения, качество генерации или специализацию модели, поэтому её можно описать только как генеративную модель общего назначения. Лицензия в предоставленных данных не указана.

智海-金磐 13B — языковая модель для розничных финансов, совместно разработанная Институтом искусственного интеллекта Чжэцзянского университета и компанией 摸象科技 и опубликованная в августе 2023 года. Модель построена на архитектуре Llama и содержит 13 млрд параметров; длина контекста составляет 4096 токенов. Для обучения использованы финансовые книги и статьи, графы финансовых знаний и финансовые диалоги. Модель предназначена для финансовых организаций: она отвечает на вопросы о финансовых знаниях, генерирует финансовые тексты и выполняет рассуждения и анализ в финансовой области. В описании также заявлены адаптация к розничным финансовым задачам, возможность работы с внешними базами знаний и поиском, а также развертывание на ограниченных вычислительных ресурсах внутри организации. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. README не уточняет поддерживаемые естественные языки; модель ориентирована на финансовый домен.

Fischerboot/LLama3-Lexi-Aura-3Some-SLERP-SLERP — слитая модель для генерации диалогового текста, созданная автором репозитория с помощью mergekit и метода SLERP. В объединении использованы Fischerboot/Llama3-Aura-3some-SLERP и Orenguteng/Llama-3-8B-Lexi-Uncensored; архитектура — плотная Llama 3 с причинной языковой моделью LlamaForCausalLM. Модель рассчитана на текстовые диалоги и генерацию ответов на английском языке. Объём составляет 7,5 млрд параметров, контекст — до 8192 токенов. Веса представлены в формате safetensors и сохранены в bfloat16. Лицензия — llama3. Одна из включённых базовых моделей описана в каталоге как дообученная для диалогов и следования инструкциям с ослабленными ограничениями на ответы. Это может быть полезно для свободной генерации в чате, но слитая модель не имеет приведённых в карточке оценок качества или гарантий безопасности; ответы могут быть неточными или нежелательными.

MaLLaM 1.1B 20k Instructions v2 — плотная авторегрессионная языковая модель семейства Mistral, разработанная Mesolitica путём полного дообучения базовой модели на инструкциях. Она предназначена для диалогов и ответов на вопросы на малайском языке; пример в карточке объясняет KWSP, малайзийский пенсионный фонд. Модель использует шаблон чата Mistral Instruct, содержит 1,1 млрд параметров и имеет контекстное окно 32 768 токенов. Модель подходит для малайскоязычных чат-ботов и демонстрационных приложений, которым нужны ответы на инструкции и вопросы. Автор отмечает, что это быстрая демонстрация возможностей дообучения базовой модели, а механизмы модерации минимальны. Репозиторий распространяется в формате safetensors; лицензия в предоставленных данных не приведена.