III.4Клиентская поддержка и customer success

rizukim/distilbert-base-uncased-finetuned-squad — модель семейства DistilBERT, дообученная на неизвестном наборе данных. Она предназначена для извлечения ответа на вопрос из предоставленного текста и относится к архитектуре DistilBertForQuestionAnswering. Модель работает с текстом, использует библиотеку Transformers и рассчитана на контекст длиной до 512 токенов. В README приведён результат оценки: loss 1,1039; описание обучающих данных, подробные сценарии применения и ограничения не раскрыты. Базовая модель — distilbert/distilbert-base-uncased. Лицензия — Apache-2.0.

wnic00/distilbert-p1 — дообученная модель классификации текста на основе lxyuan/distilbert-base-multilingual-cased-sentiments-student, построенной на архитектуре DistilBERT. Она предназначена для отнесения текста к категориям; базовая модель классифицирует тональность на 12 языках, но набор меток и языков, проверенных именно для этой версии, не описан. Модель использует формат PyTorch и принимает текстовые последовательности длиной до 512 токенов. На указанном в README наборе оценки модель достигла accuracy 0,6886 и loss 1,9133. Данные для дообучения, классы классификации и сведения о практических ограничениях не приведены. Лицензия — Apache-2.0.

DistilQwen2-7B-Instruct — дистиллированная языковая модель Alibaba PAI на архитектуре Qwen2, созданная на основе Qwen2-7B-Instruct. Модель содержит 7,1 млрд параметров, принимает текстовые инструкции и генерирует текст; карточка демонстрирует использование в диалоговом формате. Длина контекста — 32 768 токенов. Модель предназначена для следования инструкциям и диалоговых сценариев. Для дистилляции использованы открытые наборы Magpie, OpenHermes и Mammoth 2, а также синтетические данные; основная часть инструкций была на китайском и английском языках. README сообщает об оценивании на AlpacaEval, MT-Bench и IFEval. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Dream-7B-slerp — объединённая с помощью mergekit языковая модель на архитектуре Mistral, опубликованная пользователем chasedreaminf. Она предназначена для генерации текста и диалоговых сценариев. В слиянии использованы ignos/Mistral-T5-7B-v1 и Toten5/Marcoroni-neural-chat-7B-v2. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. README не описывает отдельные возможности, языковую специализацию или результаты оценки качества.

Experiment26Yam_Experiment26Pastiche — объединённая авторами репозитория MaziyarPanahi модель для генерации текста. Она объединяет модели automerger/Experiment26Yam-7B и automerger/Experiment26Pastiche-7B. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста; метаданные указывают на библиотеку Transformers и формат весов safetensors. Лицензия — Apache-2.0.

MaziyarPanahi/Experiment26Yam_YamMulti_verse_model — объединённая модель генерации текста на базе архитектуры Mistral, созданная слиянием automerger/Experiment26Yam-7B и automerger/YamMulti_verse_model-7B. Модель содержит 7,1 млрд параметров и принимает текстовый контекст длиной до 32 768 токенов. Модель предназначена для генерации текста. Веса доступны в формате safetensors, лицензия — Apache-2.0.

Experiment28M7_AlloyingotneoyInex12 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/Experiment28M7-7B и automerger/AlloyingotneoyInex12-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется создавать продолжения или ответы на текстовые запросы. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и опубликована в формате safetensors. В карточке Hugging Face указана лицензия Apache-2.0. Сведения о конкретных языках и специализированных областях применения отсутствуют.

Experiment28M7_Experiment26Strangemerges_32 — объединённая модель генерации текста на базе архитектуры Mistral, созданная из automerger/Experiment28M7-7B и automerger/Experiment26Strangemerges_32-7B. Модель содержит 7,1 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста по текстовому запросу. Репозиторий распространяется по лицензии Apache-2.0. Сведения о специализированной настройке модели и её ограничениях в карточке не приведены.

MaziyarPanahi/Experiment28M7_Ognoexperiment27M7 — объединённая модель Mistral для генерации текста. Она создана путём слияния моделей automerger/Experiment28M7-7B и automerger/Ognoexperiment27M7-7B и содержит 7,1 млрд параметров. Модель рассчитана на текстовые запросы и может вести диалог; длина контекста составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальные предметные области или конкретные языки, поэтому её можно рассматривать как модель общего назначения. Качество, языковое покрытие и ограничения в README не раскрыты.

MaziyarPanahi/Experiment28M7_Strangemerges_32Yamshadow — объединённая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/Experiment28M7-7B и automerger/Strangemerges_32Yamshadow-7B; файлы представлены в формате Safetensors. Модель предназначена для генерации текста по текстовому запросу и поддерживает контекст до 32 768 токенов. Доступна по лицензии Apache-2.0. Информация о специализации по языкам и предметным областям в карточке не приведена.

QuantFactory/gemma-2-9b-it-SimPO-rudpo-GGUF — квантизированная версия модели gemma-2-9b-it-SimPO-rudpo, созданная QuantFactory с использованием llama.cpp. Исходная модель разработана на базе princeton-nlp/gemma-2-9b-it-SimPO и предназначена для генерации текста и диалоговых сценариев. Модель имеет размер 9 миллиардов параметров и ориентирована прежде всего на повышение качества ответов на русском языке по сравнению с базовой моделью. Модель подходит для русскоязычных чат-ботов, ассистентов и других задач текстовой генерации. В тестировании на наборе arena-hard questions на русском языке она получила оценку 91,9 против 90,9 у gemma-2-9b-it-SimPO и 67,0 у gemma-2-9b-it. Однако эти результаты относятся к конкретному тесту и не гарантируют аналогичного качества в других задачах. В README не указаны точный формат квантизации, поддерживаемые языки помимо русского, размер контекста, модальности и требования к аппаратному обеспечению. Лицензия модели — gemma.

Goader/gemma-3-4b-it-uk-matt — дообученная версия Gemma 3 4B IT от Google с перенесённым на украинский язык токенизатором Lapa, подготовленная Goader. Модель предназначена для диалогов и генерации текста, особенно на украинском: добавленные украинские токены сокращают длину последовательностей примерно на 35% по сравнению с исходным токенизатором. Число параметров — около 4 млрд; архитектура плотная Gemma 3, формат весов — bfloat16 в safetensors. В README указано, что изменены только входные эмбеддинги, а шаблон чата и параметры генерации сохранены. Модель поддерживает украинский и английский языки и принимает текст. Хотя базовая Gemma 3 мультимодальна и у этой версии сохранена часть для обработки изображений, путь изображений не оценивался, поэтому заявленный сценарий использования — текстовый. На приведённых тестах генерация украинского текста почти восстановила уровень базовой модели, тогда как понимание украинского уступает ей: восстановлено примерно 82–91% результатов. Лицензия — Gemma License; применяются её условия использования.

GemmaTranslate-v3-12B — мультимодальная модель на архитектуре Gemma 3, созданная объединением Google Gemma-3-12B-IT и TranslateGemma-12B-IT методом SLERP. Она предназначена прежде всего для перевода между языками, а также для диалоговой помощи и понимания изображений. Размер модели — 12 млрд параметров; заявленное окно контекста — до 128 тыс. токенов. Веса vision tower и multimodal projector взяты из Gemma-3-12B-IT, а языковые веса объединены в пропорции 50/50. Модель поддерживает более 30 языков и принимает текст и изображения, выдавая текст. Для запуска README рекомендует библиотеку Hugging Face Transformers; файлы опубликованы в формате safetensors. Модель доступна по условиям лицензии Gemma Terms of Use. Карточка заявляет усиленные возможности перевода, но не приводит результатов сравнительных оценок качества.

KARAKURI LM 70B Chat v0.1 — диалоговая языковая модель компании KARAKURI Inc., дообученная на базе KARAKURI LM 70B, которая, в свою очередь, основана на Llama 2 и дополнительно обучалась на японских и многоязычных корпусах. Это плотный авторегрессионный трансформер с архитектурой Llama, содержащий 68,8 млрд параметров и поддерживающий контекст до 4096 токенов. Модель предназначена для многошагового диалога, ответов на вопросы и генерации текста на японском и английском языках. При дообучении применялась техника SteerLM, а обучающие данные включали OASST2, HelpSteer и внутренние диалоговые данные; шаблон позволяет задавать атрибуты ответа, такие как полезность, корректность, подробность и креативность. Разработчик сообщает о высоких результатах на японском MT-Bench и сопоставимом с Llama 2 70B Chat качестве на английском MT-Bench. Модель распространяется в формате safetensors через Transformers. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели; конкретные условия в доступных данных не раскрыты. Размер модели требует значительных вычислительных ресурсов, а доступный контекст ограничен 4096 токенами.

Laabam AI 3B v1 — многоязычный чат-ассистент, дообученный разработчиком Laabam на базе Qwen2.5-3B-Instruct методом QLoRA. Модель предназначена для выполнения инструкций и генерации ответов в диалоге; при дообучении уделялось внимание следованию инструкциям, безопасности и индийским языкам. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов. Карточка указывает английский и хинди, а также тамильский и телугу; метаданные дополнительно отмечают каннада. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Карточка модели ccrains/larson-72b-dpo-1.0.4 на Hugging Face совпадает с карточкой ccrains/larson-72b-dpo-1.0.3, поэтому описание составлено по ней. Larson-72B-DPO-1.0.3 — языковая модель для генерации текста, опубликованная ccrains. Это плотная модель семейства Llama с 71 млрд параметров, представленная в формате safetensors; для диалога рекомендуется шаблон запросов Llama 2. Карточка описывает её как дообученную версию Qwen-72B, однако точный идентификатор базовой модели не указан. Модель предназначена для генерации текста и диалоговых сценариев. В метаданных указан контекст длиной до 32 768 токенов, а README заявляет поддержку английского языка. Модель распространяется по лицензии Apache-2.0 согласно метаданным; README дополнительно просит соблюдать условия лицензии базовой модели. Карточка не приводит результатов оценки качества или подробных ограничений применения.

LFM2-2.6B-Transcript — компактная плотная языковая модель Liquid AI, разработанная совместно с AMD для суммаризации расшифровок встреч. Модель дообучена на базе LiquidAI/LFM2-2.6B и содержит 2,4 млрд параметров; её контекст составляет 128 000 токенов. Она принимает текстовую расшифровку с указанием участников и выдаёт связное резюме, ключевые тезисы, решения и поручения. Модель рассчитана на длинные транскрипты встреч продолжительностью 30–60 минут, включая внутренние совещания, звонки с клиентами и брифинги. Она поддерживает английский язык и предназначена для одношагового диалога с заданным форматом входа. По заявлению разработчиков, модель может работать локально на CPU, GPU и NPU, в том числе в условиях ограниченной памяти, что подходит для конфиденциальных и автономных сценариев. Для этого репозитория указана лицензия other; конкретные условия использования следует сверить с лицензией и документацией модели. Качество и скорость зависят от оборудования и входной расшифровки. Разработчики рекомендуют низкую температуру генерации, около 0,3; модель специализирована на английских стенограммах встреч, поэтому не следует считать её универсальной или многоязычной.

Модель NEU-HAI/Llama-2-7b-alpaca-cleaned разработана лабораторией NEU Human-centered AI Lab. Это плотная авторегрессионная модель семейства Llama 2 с 6,6 млрд параметров, дообученная на наборе alpaca-cleaned с исходными гиперпараметрами Alpaca. Она предназначена для общения в формате ассистента и генерации текста на английском языке; максимальный контекст составляет 4096 токенов. Модель подходит для ответов на вопросы, выполнения текстовых инструкций и генерации текстов общего назначения. Карточка не приводит результатов оценки качества и подробного описания ограничений; набор данных и исходная модель могут наследовать смещения и ошибки. Лицензия — CC BY-NC 4.0; применение также должно учитывать ограничения проекта Stanford Alpaca и Llama 2 7B.

Это разреженная версия диалоговой языковой модели Llama 2 Chat 7B, разработанной Meta и обрезанной методом Wanda до 30% разреженности без переобучения или обновления весов. Модель представляет собой авторегрессионный трансформер с плотной архитектурой LlamaForCausalLM; репозиторий содержит веса PyTorch и SafeTensors. Размер модели по метаданным — 6,6 млрд параметров, длина контекста — 4096 токенов. Модель принимает текст и генерирует текст. Она предназначена прежде всего для диалоговых сценариев на английском языке: ответы на вопросы, работа в формате ассистента и генерация текста. Для ожидаемого поведения чат-версии следует использовать форматирование Llama 2 с маркерами инструкций и специальными токенами. Обрезка снижает число ненулевых параметров, сохраняя, по заявлению карточки, конкурентоспособное качество; конкретные результаты для этой версии не приведены. Как и другие языковые модели, она может выдавать неточную, предвзятую или нежелательную информацию. В README указана лицензия Meta для Llama 2 с требованием принять лицензионное соглашение для получения весов; в метаданных лицензия обозначена как other.

notcvnt/Llama-3.1-8B-Instruct-heretic — производная инструктивная версия Meta Llama 3.1, представленная сообществом как «heretic» и «abliterated». По метаданным это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров, предназначенная для генерации текста и диалогов. Она принимает текст и выдаёт текст; заявленный контекст — до 131 072 токенов. README описывает исходную Llama 3.1 Instruct, а не конкретную версию heretic, поэтому сведения о языках, методе изменения поведения и характеристиках именно этого варианта ограничены. В метаданных указаны языки en, de, fr, it, pt, hi, es и th. Модель подходит для диалогового помощника и генерации текста на поддерживаемых языках. Метки «uncensored» и «abliterated» указывают на изменённый профиль отказов или ограничений, но карточка не раскрывает точную методику и результаты оценки; выходы следует проверять на точность и безопасность. Модель распространяется по лицензии Llama 3.1 Community License (идентификатор лицензии в метаданных — llama3.1); применение регулируется её условиями и Acceptable Use Policy.

ferrazzipietro/Llama-3.2-1B-Instruct-cpt-tesi_all — дообученная модель на архитектуре Llama, созданная на основе meta-llama/Llama-3.2-1B-Instruct. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 1,2 млрд параметров, использует формат safetensors и библиотеку Transformers; заявленная длина контекста — 131 072 токена. Базовая модель Meta поддерживает несколько языков и подходит для диалогов, поиска сведений, суммаризации и помощи в написании текста. Данные о специфических задачах этого дообучения, его обучающем наборе и результатах оценки не приведены, поэтому качество в отдельных сценариях оценить нельзя. Модель распространяется по лицензии Llama 3.2; перед применением следует учитывать её условия.

Llama-3-DARE-v2-8B — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES. В основе лежит meta-llama/Meta-Llama-3-8B, в объединение также включена meta-llama/Meta-Llama-3-8B-Instruct. Модель разработана автором репозитория rmihaylov и предназначена для генерации текста и диалоговых ответов. Модель имеет архитектуру LlamaForCausalLM с плотной структурой и примерно 7,5 млрд параметров. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 8192 токенов и рассчитана преимущественно на английский язык. Файлы представлены в формате safetensors; библиотека для работы — Transformers. Лицензия указана как other, поэтому условия использования следует сверять с карточками базовых моделей и условиями, указанными автором репозитория. Карточка не сообщает результаты оценки качества или отдельные ограничения модели.

llama-3-Stheno-Mahou-8B — плотная авторегрессионная языковая модель семейства Llama 3, созданная автором nbeerbower с помощью mergekit. Это слияние методом Model Stock моделей flammenai/Mahou-1.1-llama3-8B и Sao10K/L3-8B-Stheno-v3.1 с flammenai/Mahou-1.2-llama3-8B в качестве базовой модели слияния. Модель содержит 7,5 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Условия лицензии указаны как llama3. Доступные сведения не описывают отдельные языковые специализации или прикладные области модели.

KaraKaraWarehouse/Llama-ProgressPushDoll-3.3-70Bees — диалоговая языковая модель на архитектуре Llama, созданная объединением нескольких моделей семейства Llama 3.3 70B методом Model Stock. В качестве основы использована Llama-3.3-70B-Instruct; среди объединённых моделей — Mirai, Euryale, Anubis, Sushi и другие варианты Llama 3.3. Модель содержит 69,5 млрд параметров и принимает текстовые запросы для генерации текста и диалоговых ответов. Модель рассчитана на общие беседы и генерацию текста. В README указана совместимость с форматами запросов ChatML и L3 chat. Метаданные сообщают о контекстном окне до 131 072 токенов и формате весов safetensors. Автор описывает сборку как попытку получить модель, которая хорошо работает «из коробки», однако количественные оценки качества и отдельные специализированные возможности не приведены. Использование регулируется лицензией базовой модели Llama 3.3; конкретный идентификатор лицензии в предоставленных данных не указан.

M7Yamshadowexperiment28_PasticheNeuralsirkrishna — объединённая языковая модель семейства Mistral, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/PasticheNeuralsirkrishna-7B. Веса содержат 7,1 млрд параметров и опубликованы в формате Safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текстовые запросы и поддерживает контекст до 32 768 токенов, что позволяет использовать её для продолжения текста и ответов на длинные запросы. Данных о специализации на конкретном языке или предметной области в карточке нет. Модель распространяется по лицензии Apache-2.0. Оценки качества и сведения о дополнительных возможностях в карточке не приведены.

MeliodasPercival_01_YamMulti_verse_model — объединённая модель Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/YamMulti_verse_model-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Доступные сведения не описывают отдельные специализации, языковое покрытие или результаты оценки качества.

MergeCeption-7B-v3 — языковая модель CultriX, созданная слиянием моделей с помощью LazyMergekit. В конфигурации указаны CultriX/MonaTrix-v4 как базовая модель, а также Kukedlc/NeuralMaxime-7B-slerp, mlabonne/Monarch-7B и CultriX/NeuralTrix-bf16; применён метод dare_ties. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и общих языковых задач. Контекст составляет до 32 768 токенов; репозиторий содержит веса в формате safetensors. Поддержка русского и других конкретных языков в предоставленных данных не подтверждена. Модель распространяется по лицензии Apache-2.0.

cgteen/mindspark-bot-v1-full — дообученная модель генерации текста на архитектуре Mistral, разработанная cgteen на основе unsloth/mistral-7b-v0.3-bnb-4bit. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. В карточке указано, что модель обучали с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста; конкретные предметные сценарии и специализированные возможности в карточке не описаны. Указанная лицензия — Apache-2.0.

Alireza1044 дообучил MobileBERT от Google для классификации пар вопросов в задаче Quora Question Pairs (QQP) из набора GLUE. Модель принимает текст и определяет, задают ли два вопроса один и тот же вопрос. Она использует архитектуру MobileBERT с примерно 59,7 млн параметров; максимальная длина контекста — 512 токенов. На оценочной выборке QQP модель показала accuracy 0,8989, F1 0,8670 и комбинированную оценку 0,8829. Репозиторий содержит веса PyTorch, модель распространяется по лицензии Apache-2.0. README не описывает обучение и ограничения подробнее.

openaccess-ai-collective/mpt-7b-wizardlm — языковая модель OpenAccess AI Collective на архитектуре MPT-7B, дообученная на наборе WizardLM Alpaca Evol Instruct 70K. Модель предназначена для генерации текста и ответов на инструкции на английском языке. Модель обучали три эпохи на одном ускорителе A100 с 80 ГБ памяти. В метаданных указаны формат PyTorch и задача text-generation. Карточка не приводит сведений о длине контекста или лицензии.