III.4Клиентская поддержка и customer success

vishnukv/WestSeverusJaskier — объединённая автором модель семейства Mistral, созданная с помощью mergekit методом SLERP из PetroGPT/WestSeverus-7B-DPO и bardsai/jaskier-7b-dpo-v6.1. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров, предназначенная для генерации текста и ответов на запросы. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговых сценариев, ответов на вопросы и генерации текста общего назначения. В README приведены результаты оценки на Open LLM Leaderboard: среднее значение 75,67, включая показатели на AI2 Reasoning Challenge и HellaSwag; эти цифры сами по себе не гарантируют качество в конкретном применении. В метаданных указана лицензия MIT. Карточка не сообщает о специальных ограничениях или подтверждённой поддержке конкретных естественных языков.

YamshadowInex12_Experiment24Experiment26 — слитая автором MaziyarPanahi модель семейства Mistral с 7,1 млрд параметров для генерации текста. Она принимает текстовые запросы и генерирует текст, поддерживая контекст до 32 768 токенов. Модель объединяет automerger/YamshadowInex12-7B и automerger/Experiment24Experiment26-7B. Её можно применять для генерации продолжений и ответов на текстовые запросы. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

YamshadowInex12_Experiment31Experiment29 — слитая текстовая модель семейства Mistral, разработанная на основе automerger/YamshadowInex12-7B и automerger/Experiment31Experiment29-7B. Она предназначена для генерации текста и сценариев, где требуется продолжать или создавать текст по входному запросу. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Модель опубликована по лицензии Apache-2.0.

YamshadowStrangemerges_32_Inex12Yamshadow — языковая модель на архитектуре Mistral, созданная слиянием automerger/YamshadowStrangemerges_32-7B и automerger/Inex12Yamshadow-7B. Она предназначена для генерации текста и принимает текстовые запросы, выдавая продолжение или ответ в текстовом формате. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Репозиторий распространяется по лицензии Apache-2.0. Данных о специализации на конкретных языках или областях применения нет.

YamshadowStrangemerges_32_Strangemerges_32Alloyingotneoy — объединённая модель генерации текста, созданная слиянием automerger/YamshadowStrangemerges_32-7B и automerger/Strangemerges_32Alloyingotneoy-7B. Она основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Контекст составляет до 32 768 токенов, что позволяет работать с длинными вводами и поддерживать многоходовые диалоги. Данные не раскрывают более узкую специализацию или подтверждённые языки модели. Модель опубликована в формате Safetensors под лицензией Apache 2.0. Сведений о сравнительных оценках качества и специальных ограничениях в карточке нет.

Aitana-7B-S-Instruct-i1-GGUF — квантизированная версия инструкционной языковой модели Aitana-7B-S-Instruct, разработанной gplsi и распространяемой в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста и выполнения инструкций в диалоговых и прикладных сценариях, включая ответы на вопросы, подготовку и преобразование текстов, мультиязычные задачи и работу с информацией на испанском, каталанском и английском языках. В обучении использовались наборы данных OpenAssistant, Aya, FLORES, GSM8K, Alpaca, Dolly и другие специализированные мультиязычные и испаноязычные коллекции. Модель имеет размер 7B параметров; точная архитектура и размер контекстного окна в README не указаны. Представленная версия содержит набор вариантов квантизации, включая IQ- и Q-форматы, с размером файлов примерно от 2,4 до 6,5 ГБ. Более компактные варианты требуют меньше памяти, но могут заметно уступать в качестве; README рекомендует i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как оптимальный компромисс между размером, скоростью и качеством. Модель предназначена только для работы с текстом, сведения о поддержке изображений или других модальностей отсутствуют. К сильным сторонам относятся специализация на каталанском, испанском и английском языках, инструкционный формат и возможность локального запуска через совместимые с GGUF инструменты. Ограничения связаны с отсутствием данных о бенчмарках, контекстном окне и точных характеристиках исходной архитектуры, а также с тем, что качество зависит от выбранного уровня квантизации. Указанная лицензия — Apache-2.0.

ontocord/Baguettotron-longsft_16k — дообученная командой Ontocord модель PleIAs/Baguettotron на наборе long_sft. Это плотная авторегрессионная языковая модель семейства Llama с 320,9 млн параметров, предназначенная для генерации текста в диалоговом формате. Она поддерживает контекст до 16 384 токенов и подходит для сценариев, где нужно учитывать более длинный контекст при ответах и продолжении текста. Модель представлена в формате safetensors и рассчитана на использование через Transformers. Карточка не приводит результатов оценки, подробного описания обучающих данных или специальных ограничений. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории модели и у правообладателя базовой модели.

BayLing-13B-v1.1 — языковая модель с настройкой на следование инструкциям, разработанная Shaolei Zhang, Qingkai Fang, Zhuocheng Zhang, Zhengrui Ma, Yan Zhou, Langlin Huang, Mengyu Bu, Shangtong Gui, Yunji Chen, Xilin Chen и Yang Feng. Это версия BayLing-13B с дополнительными знаниями о китайском языке по сравнению с v1.0. Модель предназначена для генерации текста на китайском и английском языках, следования инструкциям, многоходового диалога, перевода, письма, творческих задач и предложений. Архитектура — плотная LlamaForCausalLM на 12,9 млрд параметров; нативная длина контекста составляет 2048 токенов. В README указано, что модель можно запускать на потребительской видеокарте с 16 ГБ памяти. Лицензия — GPL-3.0. В карточке заявлены сильные возможности для генерации на английском и китайском, следования инструкциям и многоходового взаимодействия; сравнительные метрики не приведены. Контекст ограничен 2048 токенами, а заявленные языковые возможности сосредоточены на китайском и английском.

BLOOMZ-560M — многоязычная авторегрессионная языковая модель семейства BLOOM, разработанная проектом BigScience. Модель дообучена на смеси межъязыковых задач xP3 для следования инструкциям на естественном языке и выполнения задач без примеров, в том числе на языках, не встречавшихся в конкретной задаче при обучении. Это плотная модель с 560 млн параметров и контекстом до 2048 токенов; принимает текст и генерирует текст. Модель подходит для переводов, ответов на вопросы, классификации тональности, объяснений и творческой генерации по текстовым запросам. В карточке приведён пример использования через Transformers. Она поддерживает множество языков, включая английский, французский, испанский, хинди, китайский и другие; русский язык есть среди языков предварительного обучения BLOOM, но карточка не выделяет его как основной для этой версии. Качество зависит от формулировки запроса и предоставленного контекста; модель может продолжать входной текст вместо ожидаемого ответа, если граница инструкции задана неясно. Лицензия — BigScience BLOOM RAIL 1.0.

calme-3.1-instruct-3b — языковая модель MaziyarPanahi, дообученная на базе Qwen/Qwen2.5-3B для общих задач. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, рассчитанная на генерацию текста и диалог в формате ChatML; контекстное окно — 32 768 токенов. В карточке указана поддержка французского и английского языков, а метаданные отмечают интерфейс для вызова инструментов. Модель подойдёт для ответов на вопросы, написания и редактирования текста, а также для диалоговых приложений общего назначения. Автор предупреждает, что из-за небольшого размера она может хуже справляться с некоторыми запросами и быть чувствительной к гиперпараметрам; для применения в производственной среде рекомендуется проверка результатов и человеческий контроль. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

Calme-4x7B-MoE-v0.1 — языковая модель MaziyarPanahi для генерации текста и диалогов. Она построена на архитектуре Mixture of Experts семейства Mixtral и объединяет четыре дообученные модели Calme-7B; в описании указано, что на каждый токен активируются два эксперта. Метаданные Hugging Face сообщают 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors; README приводит оценку общего числа параметров свыше 24 млрд. Модель подходит для диалоговых приложений, ответов на вопросы, объяснений и задач рассуждения на естественном языке. В README приведены результаты ARC, HellaSwag и TruthfulQA, но качество может различаться в зависимости от задачи и формулировки запроса. Сведения о поддерживаемых языках и специализированной предметной области не приведены. Модель выпущена под лицензией Apache-2.0. Карточка не содержит подробной оценки ограничений, поэтому результаты следует проверять в целевом сценарии.

mondk/claude-llama-8B-think — дообученная модель на архитектуре Llama 3.3, опубликованная mondk. Она предназначена для диалогов и генерации текста с упором на рассуждения; README описывает её как модель с интегрированным мышлением и отсылкой к стилю Claude. Модель содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Карточка связывает модель с базовой DavidAU/Llama3.3-8B-Instruct-Thinking-Claude-4.5-Opus-High-Reasoning и указывает датасет mondk/claude-sonnet5-jsonl. Метаданные заявляют поддержку английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского, русского и корейского языков. Модель распространяется в формате safetensors по лицензии Apache-2.0. Её можно использовать для диалоговых ответов, генерации текста и задач, где полезны многошаговые рассуждения. README содержит мало сведений о качестве и проверках, поэтому заявленный акцент на рассуждениях не следует считать подтверждением точности; поведение модели также может отличаться от Claude.

Experiment26Yamshadow_Experiment29Experiment24 — объединённая языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста по текстовым запросам и может использоваться в сценариях, где требуется продолжать или создавать текст. Модель объединяет automerger/Experiment26Yamshadow-7B и automerger/Experiment29Experiment24-7B и поддерживает контекст до 32 768 токенов. Распространяется в формате safetensors по лицензии Apache-2.0.

MaziyarPanahi/Experiment28M7_Experiment26Strangemerges_30 — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием automerger/Experiment28M7-7B и automerger/Experiment26Strangemerges_30-7B. Она предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые ответы. Модель поддерживает контекст длиной до 32 768 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальную предметную область или дополнительные возможности модели.

MaziyarPanahi/Experiment28M7_Inex12Experiment26 — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и принимает текстовые запросы. Размер контекстного окна составляет до 32 768 токенов; веса представлены в формате safetensors. Модель объединяет automerger/Experiment28M7-7B и automerger/Inex12Experiment26-7B. Для неё указана лицензия Apache-2.0, допускающая использование на её условиях. Карточка не описывает специальные предметные области или отдельные ограничения качества.

Experiment28T3q_Experiment29Pastiche — объединённая модель на архитектуре Mistral, созданная из automerger/Experiment28T3q-7B и automerger/Experiment29Pastiche-7B. Она содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста, включая диалоги. Контекст составляет до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. README не описывает специальные сценарии применения или сравнительные преимущества модели.

Faro-Yi-34B-DPO — разговорная языковая модель, созданная wenbopan как DPO-версия Faro-Yi-34B. Она предназначена для генерации ответов в диалоге и других текстовых задач; для общения использует шаблон ChatML. Модель построена на архитектуре Llama, имеет 33,9 млрд параметров и контекст длиной до 32 768 токенов. В карточке заявлена поддержка английского и китайского языков. Автор отмечает хорошую работу как с коротким, так и с длинным контекстом и сообщает, что модель превосходит исходную Yi-34B-200K на многих задачах. В метаданных происхождение указано как слияние моделей; веса опубликованы в формате safetensors. Лицензия — MIT. Карточка не приводит подробных результатов оценки или конкретных ограничений качества.

Модель hanifnoerr/Fine-tuned-Indonesian-Sentiment-Classifier — дообученная на IndoNLU SmSA версия indobenchmark/indobert-base-p1 для классификации тональности текста на индонезийском языке. Она присваивает тексту одну из трёх меток: положительная, отрицательная или нейтральная тональность. Модель построена на архитектуре BERT с головой классификации последовательностей, содержит 151,6 млн параметров и принимает контекст длиной до 512 токенов. В README приведены результаты на тестовой выборке: accuracy 0,928 и macro-F1 0,911. Модель подходит для анализа отзывов и других коротких текстов на индонезийском языке. Распространяется по лицензии MIT.

Firefly-Qwen1.5-en-7b — англоязычный чат-ассистент, разработанный на базе Qwen1.5-7B и дообученный командой Firefly на инструкциях на английском языке. Это плотная авторегрессионная языковая модель семейства Qwen с 7,1 млрд параметров, предназначенная для диалога и генерации ответов. Модель принимает текст и выдаёт текст; для общения используется шаблон чата Qwen1.5-7B-Chat. Контекстная длина по метаданным — 32 768 токенов. Карточка сообщает о результатах оценки на Open LLM Leaderboard и описывает обучение с QLoRA на одной V100, но приведённая таблица результатов относится преимущественно к варианту DPO и не подтверждает независимо заявленное сравнение именно этой модели. Китайский язык может работать благодаря возможностям базовой Qwen1.5, однако авторы его не оценивали; основной язык обучения и применения — английский. Модель распространяется по лицензии Apache-2.0.

Flora DPO — языковая модель ResplendentAI на архитектуре Mistral с 7,1 млрд параметров, дообученная методом DPO на наборах mlabonne/chatml_dpo_pairs и ResplendentAI/Synthetic_Soul_1k. Модель предназначена для генерации текста и диалоговых ответов; карточка приводит результаты оценивания на задачах рассуждения и понимания текста. Поддерживает английский язык и контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Лицензия — CC BY-SA 4.0. README упоминает доступные квантизованные версии, но не уточняет их формат и расположение.

Карточка модели Srishtik/gemma-3-270m-ties-merged-trained-on-responses на Hugging Face совпадает с карточкой Srishtik/gemma-3-270m-slerp-merged-trained-on-responses, поэтому описание составлено по ней. Srishtik дообучил текстовую модель Gemma 3 на 257 млн параметров на основе unsloth/gemma-3-270m-it. Она предназначена для диалогов и генерации текста; метаданные также указывают на поддержку чата. Модель использует плотную архитектуру Gemma3ForCausalLM, принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. В репозитории указаны веса Safetensors и лицензия Apache 2.0. README сообщает, что обучение выполнялось с Unsloth.

GPT-5.2 Chat, также называемая Instant, — быстрая облегчённая модель семейства GPT-5.2, оптимизированная для диалогов с низкой задержкой и сохраняющая широкие интеллектуальные возможности. В описании упоминается адаптивное рассуждение, которое модель использует выборочно. Модель предназначена для диалогового взаимодействия и широкого круга задач общего назначения. Доступный текст карточки обрывается, поэтому подробности о модальностях, языках, размере, контексте, лицензии и конкретных сценариях применения установить нельзя.

GPT-SW3 1.3B Instruct — авторегрессионная языковая модель на архитектуре decoder-only Transformer, разработанная AI Sweden совместно с RISE и WASP WARA for Media and Language. Это версия семейства GPT-SW3 с 1,3 млрд параметров, дообученная на инструкционных данных в форматах диалога и обычного текста; базовая модель предварительно обучалась на 320 млрд токенов, включая шведский, норвежский, датский, исландский, английский языки и программный код. Модель предназначена для генерации связного текста и выполнения инструкций, представленных как текстовые запросы. Её можно применять для диалоговых помощников, черновиков и ответов на вопросы на поддерживаемых языках, а также для языковых задач, сведённых к генерации текста. Метаданные указывают поддержку чата и задачи text-generation; репозиторий содержит веса PyTorch и Safetensors. Модель может воспроизводить предвзятость данных обучения, выдавать галлюцинации, нерелевантные или повторяющиеся ответы, а также небезопасный, оскорбительный или неподходящий для некоторых аудиторий контент. Лицензия указана как other; README называет модифицированную лицензию RAIL.

Granite-3.0-8b-lab-community — разговорная языковая модель, созданная Red Hat и IBM Research на базе ibm-granite/granite-3.0-8b-base. Это плотная авторегрессионная модель семейства Granite на 8,2 млрд параметров, дообученная методом LAB (Large-scale Alignment for chatBots) на синтетических данных, созданных с помощью Mixtral-8x7B-Instruct. Процесс LAB использует таксономию знаний и навыков, генерацию данных и обучение в два этапа с буферами повторного воспроизведения. Модель предназначена для диалогового помощника и генерации текста на английском языке, включая ответы на вопросы, рассуждения, творческое письмо и работу с предметными знаниями, представленными в обучающих данных. Контекст составляет 4096 токенов; для наилучших результатов авторы рекомендуют использовать системный промпт, применённый при обучении. Модель распространяется по лицензии Apache 2.0. Авторы предупреждают, что она может галлюцинировать и выдавать проблемные или небезопасные ответы; её не следует считать надёжным источником для критически важных решений. README содержит противоречивое описание статуса безопасности: в обзоре сказано о настройке для чата, но в разделе ограничений модель названа не прошедшей safety alignment.

Granite Speech 4.1 2B — компактная речевая модель IBM для многоязычного распознавания речи и перевода речи. Она дообучена на базе ibm-granite/granite-4.0-1b-base и принимает аудио, выдавая текст. Модель обучалась на 174 000 часах аудио из открытых корпусов и синтетических данных. Модель поддерживает английский, французский, немецкий, испанский, португальский и японский языки. Она предназначена для транскрибации и перевода речи в обе стороны между этими языками и английским; также заявлены переводы с английского на итальянский и китайский. Архитектура использует двойную CTC-голову с графемным и BPE-выходами. Модель умеет расставлять пунктуацию и регистр, а также учитывать заданные ключевые слова для распознавания имён, аббревиатур и технической лексики. Модель ориентирована на обработку речи в корпоративных приложениях. В README не приведены результаты, позволяющие сравнить качество на всех языках и сценариях; дополнительные возможности временных меток и атрибуции говорящих относятся к отдельному варианту granite-speech-4.1-2b-plus. Лицензия — Apache 2.0.

Hermeo-7B — англо-немецкая языковая модель, созданная Malteos путём слияния DPOpenHermes-7B-v2 и leo-mistral-hessianai-7b-chat с помощью mergekit. Обе исходные модели дообучены на базе Mistral-7B-v0.1. Это плотный авторегрессионный трансформер-декодер с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в формате диалога ChatML, включая ответы на запросы и генерацию на английском и немецком языках. В карточке приведены оценки на англо- и немецкоязычных бенчмарках; пример показывает, что модель может помогать с переводом между этими языками. Репозиторий содержит веса Safetensors, библиотека для использования — Transformers. Лицензия Apache 2.0.

K2S3-Mistral-7b-v1.47 — языковая модель K2S3 для генерации текста, дообученная методом SFT на базе mistralai/Mistral-7B-v0.1 с настройкой всех параметров. В обучении использовались alpaca-gpt4-data и примеры из OpenOrca. Модель относится к плотной архитектуре MistralForCausalLM, содержит 7,2 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации ответов и выполнения текстовых инструкций на английском языке. Она может быть полезна для создания диалоговых и инструкционных приложений, однако карточка не приводит оценок качества или специальных гарантий. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

lemura-arabic-asr-qwen3 — модель распознавания арабской речи от Lemura Labs, дообученная на базе Qwen/Qwen3-ASR-1.7B. Это генеративная ASR-модель: аудиоэнкодер передаёт аудиоконтекст декодеру на основе Qwen3, который выдаёт транскрипцию как текст. Модель предназначена для современного литературного арабского языка и диалектов Персидского залива, Египта, Леванта, Ирака и Магриба, включая марокканскую дариджу; поддерживает переключение между арабским и английским. Модель рассчитана на расшифровку голосовых сообщений, звонков, медиаматериалов и аудио для голосовых агентов. Список направляющих слов можно использовать для распознавания имён, брендов и специальной терминологии. Веса bf16 опубликованы в формате safetensors; для вывода подходят Transformers и ms-swift. Входное аудио должно быть монофоническим с частотой 16 кГц; базовое окно обработки — 30 секунд, поэтому длинные записи нужно делить на фрагменты. Рекомендуется жадное декодирование. Лицензия — Apache-2.0. Качество может снижаться на незнакомых акцентах, в новых предметных областях и при сильном шуме или удалённой записи; марокканская дариджа остаётся особенно сложным случаем. Модель не оценивалась для скрытой идентификации говорящих и не предназначена для такого применения; возможны смещения из обучающих корпусов.

LION-LLaMA-3-8b-dpo-v1.0 — языковая чат-модель Columbia NLP на архитектуре Llama 3, дообученная методом DPO на базе Columbia-NLP/LION-LLaMA-3-8b-sft-v1.0. Модель относится к семейству LION, обученному по конвейеру SFT, DPO и онлайн-обучения на предпочтениях; в этой версии применён этап DPO. В репозитории доступны веса Safetensors, модель содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста на английском языке. В карточке авторы сообщают о высоких результатах семейства LION, однако приведённая таблица содержит данные только для версии SFT, поэтому она не подтверждает конкретные показатели этой DPO-версии. Для использования указана лицензия Llama 3 Terms of Use.

Llama-3-11B — плотная авторегрессионная языковая модель на архитектуре Llama, опубликованная MaziyarPanahi и созданная слиянием через mergekit методом passthrough на основе предварительно обученной meta-llama/Meta-Llama-3-8B. Модель предназначена для генерации текста; карточка и метаданные указывают поддержку английского языка. Размер составляет 11 млрд параметров, контекст — до 8192 токенов, для работы заявлена библиотека Transformers и формат весов safetensors. Модель подходит для продолжения текста, создания черновиков и ответов на текстовые запросы. Лицензия указана как other; перед использованием следует сверить условия на карточке модели и у базовой Meta Llama 3.