III.4Клиентская поддержка и customer success

Samantha-1.1-Westlake-7b — разговорная модель-компаньон QuixiAI, дообученная на датасете Samantha-1.1 с базовой моделью Westlake-7b. Она предназначена для диалога, эмоциональной поддержки и ответов на вопросы; в примерах соблюдает границы в ответах на просьбы о физической близости и умеет оформлять ответ в JSON. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. При этом автор отмечает, что поведение может отклоняться от намерения избегать романтического и сексуального общения. Модель распространяется по лицензии Apache-2.0.

SmolLM135M-IT-ConvFill — компактная диалоговая языковая модель на 134,5 млн параметров, разработанная авторами ConvFill путём дообучения HuggingFaceTB/SmolLM2-135M-Instruct. Она предназначена для conversational infill: быстро генерировать уместные реплики в диалоге, пока более крупная модель параллельно готовит внешние знания, и затем помогать встроить эти знания в разговор. Модель рассчитана на использование с инфраструктурой проекта ConvFill, в том числе для отзывчивых голосовых агентов с низкой задержкой. Модель использует плотную архитектуру семейства Llama, принимает текст и генерирует текст; заявленный контекст — до 8192 токенов. Карточка и метаданные указывают английский язык. Веса опубликованы в формате Safetensors. Лицензия — Apache 2.0 с условием соблюдать лицензию базовой модели. В карточке отмечено, что модель специально не настраивалась для безопасного поведения с защитными ограничениями.

Модель fpadovani/swa-latn-10mb-ppt-Dp-10mb_seed455 — дообученная с помощью TRL языковая модель на архитектуре GPT-2, основанная на goldfish-models/swa_latn_10mb. Она предназначена для генерации текста в ответ на запросы; в карточке показан пример ответа на вопрос о выборе между путешествием в прошлое и будущее. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Метаданные не содержат сведений о размере модели, языках обучения или лицензии.

teach-aws Qwen3.5-2B — языковая модель, дообученная Khursanirevo для ответов на вопросы об Amazon Web Services на Bahasa Malaysia. Она построена на unsloth/Qwen3.5-2B и дообучена с помощью LoRA на наборах вопросов и ответов об AWS, включая перефразированные примеры и вопросы о сервисах, где особенно вероятны галлюцинации. Модель имеет 1,7 млрд параметров, поддерживает текстовую генерацию и контекст до 262 144 токенов; файлы опубликованы в формате safetensors. Модель рассчитана на ответы в стиле справочной документации: сообщает результат кратко для коротких вопросов и сочетает малайский язык с английскими терминами AWS. В описанной авторами оценке она получила 91% строгой точности на 2 661 ранее не встречавшемся вопросе; это результат конкретного теста, а не гарантия качества для иных запросов. Подходит для справочных вопросов по AWS, но не предназначена для знаний за пределами обучающего корпуса. На мало представленных в данных темах модель может уверенно выдумывать функции AWS, поэтому фактические ответы следует проверять и при необходимости подкреплять поиском по документации. Формулировки часто близки к обучающим справочным ответам и могут быть негибкими. Лицензия — Apache-2.0.

Vaniq-Edge — компактная модель синтеза речи, представленная Abiray. Она преобразует английский текст в речь с частотой дискретизации 24 кГц и предназначена для разговорных интерфейсов, микросервисов и устройств с ограниченными ресурсами. Модель содержит 8,5 млн параметров и основана на архитектуре VITS. Для запуска доступен динамический экспорт ONNX, поддерживающий CPU и CUDA; заявлена работа быстрее реального времени на обычном CPU. В README приведены примеры разговорной, технической и повествовательной речи, а также сравнения качества и скорости с другими TTS-моделями. Модель ориентирована на английский язык. Лицензия MIT разрешает свободное использование и распространение с соблюдением её условий. Заявления о качестве и быстродействии основаны на тестах автора; независимые результаты и подробности тестовой среды в карточке не приведены.

Модель padmalcom/wav2vec2-large-emotion-detection-german — классификатор эмоций в речи на базе архитектуры wav2vec2, обученный на наборе данных emo-DB. Разработчик README не назван. Модель содержит 402,7 млн параметров и предназначена для классификации аудио на семь классов: гнев, скука, отвращение, страх, счастье, грусть и нейтральное состояние. Модель принимает аудио и выдаёт метку эмоционального класса. Она рассчитана на немецкую речь и может применяться для анализа эмоциональной окраски высказываний, например в записях диалогов. В репозитории указана лицензия Apache-2.0. Качество на других языках и вне данных emo-DB не описано; классификатор ограничен заданными семью классами.

AfriGuardPlain-AfriqueQwen3.5-4B-50Langs-lora-merged — диалоговая модель генерации текста, созданная дообучением с помощью LoRA базовой модели McGill-NLP/AfriqueQwen3.5-4B-50Langs. Разработчики обучили её на наборе adzcai/AfriGuard-plain, объединённом с базовыми весами; обучение использовало ответы без системной инструкции по безопасности. Модель предназначена для диалоговых сценариев, связанных с безопасностью контента, на африканских языках, поддерживаемых базовым семейством. Это плотная архитектура Qwen 3.5 с 4 млрд параметров; репозиторий содержит веса Safetensors для Transformers. В метаданных указана лицензия CC BY 4.0. Карточка описывает вариант без системного safety-промпта, поэтому поведение безопасности зависит от входного запроса и не гарантируется самой конфигурацией обучения. Доступность языков, кроме отмеченных в метаданных тегами, здесь не детализирована.

Это японская диалоговая языковая модель на 1,3 млрд параметров, созданная inu-ai на основе rinna/japanese-gpt-1b. Модель дообучена на японских данных из alpaca_ja и GuanacoDataset и предназначена для генерации текста в формате диалога и ответов на инструкции. Архитектура — GPT-2; модель использует Transformers и сохраняется в форматах PyTorch и safetensors. Контекст составляет 1024 токена, для запуска автор указывает ориентировочную потребность в 7 ГБ VRAM или RAM. Модель рассчитана прежде всего на японский язык. Возможное применение — японский чат-бот и генерация ответов на пользовательские запросы. Лицензия итоговой модели обозначена как неизвестная; автор указывает MIT для базовой модели, CC BY-NC 4.0 для alpaca_ja и GPLv3 для GuanacoDataset, поэтому условия использования производной модели следует проверять с учётом лицензий исходных компонентов.

fpadovani опубликовал дообученную на TRL модель на основе fpadovani/ppt-art-lang-newlexicon-eng-baseline-100mb_seed455. Это плотная GPT-2-подобная языковая модель для генерации текста; в карточке приведён пример ответа на вопрос на английском языке. Модель подходит для коротких продолжений текста и ответов на вопросы в англоязычных сценариях. Модель использует библиотеку Transformers, веса представлены в формате Safetensors, а длина контекста составляет 512 токенов. В README не приведены сведения о размере модели и лицензии, поэтому условия её использования по этим данным определить нельзя.

F-Actor — исследовательская полно-дуплексная разговорная речевая модель на основе Llama 3.2, представленная авторами работы «F-Actor: Controllable Conversational Behaviour in Full-Duplex Models». Она предназначена для голосовых систем, которые должны не только генерировать речь, но и гибко вести диалог с учётом контекста и инструкций. Модель позволяет задавать голос говорящего, тему разговора и поведение в диалоге, включая короткие реакции собеседника, перебивания и самостоятельное начало разговора. По описанию авторов, аудиоэнкодер остаётся замороженным, а дообучается языковая модель; обучение выполняется в один этап на 2 000 часах данных. В метаданных указаны архитектура Llama, около 1,2 млрд параметров и контекст до 131 072 токенов. Для практического использования авторы отсылают к коду проекта; модель и обучающий код выпущены для воспроизводимых исследований. Лицензия — Llama 3.2.

DiTy/gemma-2-9b-it-russian-strict-function-calling-DPO — русскоязычная диалоговая модель на архитектуре Gemma 2 с 9 млрд параметров, разработанная DiTy. Это версия базовой модели DiTy/gemma-2-9b-it-russian-function-calling-GGUF, дополнительно оптимизированная методом DPO для строгого вызова функций. Она предназначена для ассистентов, которые выбирают и вызывают описанные функции и отказываются отвечать на вопросы, не связанные с ними. Обучение проводилось на русской версии набора DiTy/function-calling-trl с предпочтениями, размеченными людьми. Модель принимает текстовые сообщения и выдаёт текст, включая ответы в интерфейсе вызова функций. Размер контекста — 8192 токена. Доступны веса Safetensors и GGUF F16; для работы с GGUF можно загрузить один файл. Указанные библиотека Transformers и форматы позволяют использовать модель в соответствующих инструментах вывода. Модель подходит для русскоязычных диалоговых ассистентов с ограниченным набором функций, но может отказываться от обычных ответов вне этого набора. Лицензия — Apache-2.0.

Han LLM 7B v1 — языковая модель Wannaphong Phatthiyaphaibun для генерации текста и диалогов на тайском языке. Она дообучена методом LoRA на наборе han-instruct-dataset v2.0 и основана на scb10x/typhoon-7b. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для тайскоязычных пользователей: она может отвечать на запросы и вести диалог. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Авторы предупреждают о возможном смещении из-за обучающих данных и не рекомендуют использовать модель для математики, программирования и других языков. Результаты следует проверять.

Модель francesca9805/jpn-jpan-10mb-ppt-Dp-10mb-packed-bfd_seed10 — дообученная версия goldfish-models/jpn_jpan_10mb, созданная с использованием TRL. Она основана на архитектуре GPT-2 и предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в диалоговом формате. Модель распространяется в формате Safetensors и имеет контекстное окно 512 токенов. Язык и специализация обучающих данных в карточке не раскрыты. Лицензия не указана в предоставленных данных.

Lahgtna-OmniVoice Egyptian v3 — модель OmniVoice, дообученная ehabnegm на египетской разговорной арабской речи. Она преобразует текст без диакритических знаков в речь, поддерживает два обученных голоса и клонирование голоса по аудиореференсу. Модель рассчитана на многоголосые продукты, длинные реплики и потоковую генерацию; в README отмечены улучшенная разборчивость чисел и меньшая задержка по сравнению с v2. В тесте на 321 слово модель сохраняла связность текста лучше предыдущих версий семейства. Для синтеза следует подавать египетский арабский текст без огласовок и указывать язык как arz. Числа рекомендуется записывать словами, а английские фрагменты — удалять или транслитерировать: переключение на английский не обучалось. Для клонирования требуется аудиореференс и его текстовая расшифровка. Модель распространяется по лицензии Apache-2.0; README также просит получить разрешение на коммерческое использование голосов, созданных на основе публичных YouTube-материалов, и не применять их для имитации или введения в заблуждение.

AIdenU/LLAMA-2-13b-ko-Y24-DPO_v0.1 — корейская языковая модель семейства Llama 2, представленная разработчиком AIdenU. Она предназначена для генерации текста; карточка указывает на обучение с предпочтениями DPO в названии модели. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 4096 токенов. Репозиторий содержит веса в формате PyTorch. Модель подходит для генерации корейского текста и диалоговых сценариев, где требуется продолжение или составление текста на корейском языке. Поддержка других языков и специализированных областей по предоставленным данным не установлена. Информация о лицензии в доступных материалах отсутствует.

Модель mesolitica/malaysian-tinyllama-1.1b-16k-instructions разработана Mesolitica как полноточечная донастройка TinyLlama на наборе инструкций на малайском языке. Это плотная причинная языковая модель семейства Llama с примерно 1 млрд параметров; метаданные указывают нативный контекст до 32 768 токенов. Модель предназначена для генерации ответов на инструкции и вопросы на малайском языке, в том числе по темам, связанным с Малайзией. В README приведён пример ответа на вопрос о KWSP — малайзийской системе пенсионных накоплений. Карточка характеризует модель как быструю демонстрацию возможностей дообучения базовой модели и отмечает минимальные механизмы модерации. Лицензия в предоставленных данных не указана.

Модель uaritm/multilingual_en_uk_pl_ru создана Vitaliy Ostashko и предназначена для получения плотных векторных представлений предложений и абзацев. Это модель Sentence-Transformers на архитектуре XLM-RoBERTa с 305,2 млн параметров; она использует mean pooling и формирует эмбеддинги размерности 768. В README приведён сценарий семантического сопоставления жалоб пациентов со специальностью врача в сервисе Virtual General Practice; также модель подходит для семантического поиска и кластеризации текстов. Модель поддерживает английский, украинский, польский и русский языки. Максимальная длина последовательности в конфигурации Sentence-Transformers — 128 токенов; нативное контекстное окно по метаданным — 514 токенов. Распространяется под лицензией Apache-2.0.

Это дообученная с помощью TRL нидерландоязычная модель семейства GPT-2 для генерации текста. Она принимает текстовый запрос и продолжает его; в карточке приведён пример использования в формате вопроса и ответа. Модель основана на fpadovani/nld-latn-100mb-ppt-Dp-100mb_seed455 и имеет контекстное окно 512 токенов. Модель распространяется в формате safetensors и предназначена для текстовых сценариев на нидерландском языке. Карточка не сообщает условия лицензии и подробные результаты оценки качества.

Phibode-3-mini-4k-ultraalpaca — языковая модель для общения на португальском языке, созданная разработчиком recogna-nlp на основе Phi-3-mini-4k-instruct от Microsoft. Модель дообучена методом LoRA на датасете UltraAlpaca, переведённом на португальский. Она предназначена для запуска пользователями с ограниченными вычислительными ресурсами и генерации ответов в диалоговом формате. Модель использует плотную архитектуру Phi-3 с примерно 3,7 млрд параметров и контекстом до 4096 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. README отмечает, что работа продолжается и при генерации на португальском языке остаются проблемы с качеством.

Карточка модели jaeyong2/Qwen2.5-0.5B-Instruct-Thai-SFT на Hugging Face совпадает с карточкой jaeyong2/Qwen2.5-0.5B-Instruct-Viet-SFT, поэтому описание составлено по ней. jaeyong2/Qwen2.5-0.5B-Instruct-Viet-SFT — дообученная авторами репозитория модель на основе Qwen/Qwen2.5-0.5B-Instruct. Это плотная авторегрессионная языковая модель семейства Qwen2 с 494 млн параметров, предназначенная для диалогов, выполнения инструкций и генерации текста. Модель рассчитана на вьетнамский и английский языки и поддерживает контекст до 32 768 токенов. Модель подходит для создания компактных чат-ботов и генерации ответов на вьетнамском или английском. В метаданных указаны библиотека Transformers, формат весов safetensors и интерфейс вызова инструментов. Лицензия — Apache-2.0. README не содержит дополнительных сведений о датасете дообучения или результатах оценки качества.

BrandonHowe/Qwen3-8b-compassion-qwen-seed1-20260930-CPT-merged-epoch-4 — самостоятельная модель на основе Qwen3, полученная продолжением предобучения базовой Qwen/Qwen3-8B-Base на наборе документов о сострадании. Это плотная авторегрессионная архитектура Qwen3ForCausalLM с 7,6 млрд параметров, рассчитанная на генерацию текста; метаданные также отмечают интерфейс чата и вызова инструментов. Контекст составляет до 32 768 токенов. Модель может использоваться для диалогов и генерации текста с тематической настройкой на материалах о сострадании. Продолжение обучения само по себе не подтверждает улучшение способности проявлять сострадание — это качество следует оценивать отдельно. Модель сохранена в BF16 в формате Safetensors и не требует отдельного адаптера. Условия лицензии в предоставленных данных не описаны.

TinyBrainBot 350M V3 Instruct — англоязычная модель-генератор текста, разработанная автором репозитория nkthebass. Модель с архитектурой Llama и примерно 348 млн параметров предварительно обучена с нуля на 22,7 млрд токенов, затем дообучена на инструкциях. Она поддерживает диалоговый формат и следование инструкциям, а контекст составляет до 2048 токенов. Модель предназначена для коротких ответов на прямые вопросы, ответов на простые фактические вопросы и объяснения понятий. В сравнении с TinyBrainBot 100M V3 Instruct она показала лучшие результаты в четырёх из семи приведённых тестов. При этом точность конкретных фактов ограничена: модель может уверенно выдумывать детали, слабо поддерживает длинный диалог и ненадёжна в арифметике. Обучение почти полностью велось на английском языке. Модель доступна по лицензии Apache-2.0.

VinaLLaMA-2.7B-Chat — чат-модель на архитектуре LLaMA, разработанная для общения на вьетнамском языке. Она создаёт текст в ответ на сообщения пользователя и использует формат диалога ChatML. Модель содержит 2,7 млрд параметров, работает с контекстом до 4096 токенов и представлена в формате PyTorch. Модель подходит для вьетнамских диалоговых помощников, ответов на вопросы и генерации текста по запросу. В README приведён пример системной инструкции на вьетнамском языке; метаданные также указывают вьетнамский как язык карточки. Лицензия — Llama 2. Данных о качестве на других языках и специализированных областях применения в доступных материалах нет.

VoiceChat 11B MLX INT5 — конвертированный для Apple Silicon вариант речевой модели NVIDIA NemotronLabs VoiceChat 11B, опубликованный aufklarer. Это полнодуплексная система преобразования речи в речь: она потоково воспринимает пользовательскую речь, использует языковой и функциональный каналы Nemotron-H и генерирует ответ голосом Aria через встроенный EAR-TTS. Полный комплект содержит потоковый FastConformer, гибридную языковую модель Nemotron-H и декодер аудиокодека; в совокупности заявлено 11,1 млрд параметров. По метаданным основная задача — audio-to-audio, библиотека — MLX, а лицензия — OpenMDW 1.1. Модель предназначена для голосовых диалоговых агентов и потоковых речевых приложений на компьютерах Apple Silicon. На испытанной системе INT5 занимает меньше памяти, чем вариант INT8, однако полный тракт речи работает медленнее реального времени при учёте распознавания. Квантизация INT5 совпадает с исходной fp16-моделью по следующему токену в 92,55% случаев, поэтому результат для структурированного вывода, включая аргументы вызова инструментов, следует проверять отдельно. Генерация встроенным голосом Aria проверена; включённый кодировщик для клонирования голоса не работает корректно, поэтому пользовательские голоса не поддерживаются.

ahmmedasaad2772/wav2vec2-base-arabic_speech_emotion_recognition — модель классификации аудио на базе архитектуры wav2vec2, дообученная на датасете audiofolder. В репозитории указано, что исходной моделью была facebook/wav2vec2-base; модель содержит 113,3 млн параметров и распространяется в формате PyTorch. Модель предназначена для распознавания эмоций в арабской речи. В README приведены результаты оценки: accuracy 0,9992 и macro F1 0,9993, однако сведения о составе классов, размере и разделении датасета отсутствуют, поэтому эти показатели нельзя уверенно переносить на другие данные и условия записи. Лицензия — Apache-2.0. Карточка не описывает поддерживаемые варианты арабского языка, требования к аудиоформату и известные ограничения применения.

fpadovani/heb-hebr-10mb-ppt-Dp-100mb_seed455 — дообученная модель генерации текста на базе goldfish-models/heb_hebr_10mb. Разработчик сообщает, что модель обучена с помощью TRL; архитектура — GPT-2, веса опубликованы в формате safetensors. Модель предназначена для продолжения текста и генерации ответов на запросы. В карточке показан пример ответа на открытый вопрос; контекст модели составляет 512 токенов. Метаданные указывают на текстовую генерацию, но не описывают конкретную область применения или поддерживаемые естественные языки. Карточка не приводит оценок качества или подробных ограничений; небольшой контекст ограничивает объём учитываемого текста. Условия лицензии в предоставленных данных не указаны.

Hypernova-experimental — экспериментальная языковая модель от theNovaAI, созданная в рамках разработки NovaAI. Это плотная Llama-модель с 12,9 млрд параметров для генерации текста; она объединяет Gryphe/MythoMax-L2-13b и Undi95/Emerald-13B и дополнительно дообучалась. Модель предназначена для чатов, ролевых диалогов и написания историй, использует шаблон запросов Alpaca и поддерживает английский язык. Контекст составляет 4096 токенов. Модель может поддерживать беседу и выполнять некоторые ролевые сценарии, однако иногда путает персонажей и испытывает трудности с сохранением контекста. Распространяется под лицензией CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование.

Карточка модели faxoi/llama-3.2-3b-price-engine-Rev2 на Hugging Face совпадает с карточкой faxoi/llama-3.2-3b-price-engine-Rev1, поэтому описание составлено по ней. Модель faxoi/llama-3.2-3b-price-engine-Rev1 — дообученная faxoi языковая модель семейства Llama 3.2 с архитектурой LlamaForCausalLM и 3,2 млрд параметров. Она создана на базе unsloth/Llama-3.2-3B-Instruct-bnb-4bit и предназначена для генерации текста в формате диалога; название указывает на ценовую тематику, но карточка не описывает специальные функции или подтверждённые сценарии работы с ценами. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет заявленный контекст длиной до 131 072 токенов. В репозитории указаны веса safetensors; базовая модель использует 4-битное представление bnb. Лицензия — Apache-2.0. Карточка не содержит результатов оценки качества и подробностей обучающих данных, поэтому пригодность для конкретных ценовых задач следует проверять на собственных примерах.

Карточка модели realPCH/Orca-Platypus-v3-1epoch на Hugging Face совпадает с карточкой realPCH/Orca-Platypus-kiwi-1epoch, поэтому описание составлено по ней. realPCH/Orca-Platypus-kiwi-1epoch — дообученная модель семейства Llama, созданная на основе yanolja/KoSOLAR-10.7B-v0.1. Она предназначена для генерации текста по инструкциям; в карточке указан датасет KOR-Orca-Platypus-kiwi. Модель содержит 10,7 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. Файлы опубликованы в формате Safetensors, лицензия — MIT. Пример из карточки показывает запуск через Transformers и формат инструкции [INST]…[/INST]. Сведений о качестве ответов, более широком наборе языков и специализированных областях применения нет; название датасета указывает на корейскую направленность обучения, но само по себе не подтверждает полный перечень поддерживаемых языков.

PAGnol-XL — франкоязычная генеративная языковая модель LightOn, разработанная совместно с командой ALMAnaCH института Inria. Это плотная GPT-подобная модель с 1,5 млрд параметров для свободной генерации текста; её обучили на французской части CCNet, на тех же данных, что использовались для CamemBERT. Модель подходит для продолжения французского текста и генерации свободных ответов по текстовой подсказке. Она была обучена в 2021 году и опубликована для воспроизводимости исследований; авторы отмечают, что она не предназначена для достижения современного уровня качества. Модель распространяется в формате Hugging Face с весами PyTorch и Safetensors и лицензией MIT.