III.4Клиентская поддержка и customer success

Модель yuhengtu-bytedance/sfm_filtered_insert_xxf_character-2k_3k_4k_5k_6k_simpleavg_merge — объединённая языковая модель на архитектуре GPT-NeoX с 8,8 млрд параметров. Она создана методом линейного слияния нескольких предобученных контрольных точек с шагами обучения 2000, 3000, 4000, 5000 и 6000; в README в качестве базовой для слияния указана контрольная точка global_step6000. Репозиторий содержит веса Safetensors и рассчитан на генерацию текста в разговорном формате. Модель можно применять для диалога и генерации текста с контекстом до 16 384 токенов. README и метаданные не описывают целевые языки, специализированные области или сравнительные преимущества модели, поэтому её назначение следует считать общим. Лицензия в предоставленных данных не указана.

Shisa V2 Mistral Small 24B — диалоговая языковая модель Shisa.AI для общего назначения, созданная дообучением Mistral Small 24B Instruct 2501. Разработчики сосредоточились на улучшении качества японского языка с сохранением возможностей английского, используя синтетические данные и настройку после предварительного обучения. Модель содержит 23,4 млрд параметров, использует архитектуру Mistral с плотными слоями и принимает контекст до 32 768 токенов. Модель предназначена для диалогов, выполнения инструкций, ответов на вопросы, ролевых сценариев и перевода между японским и английским. В карточке для этой версии указано, что бенчмарки ещё готовятся, поэтому её сравнительные показатели пока нельзя оценить по приведённым результатам. Модель распространяется в формате Safetensors по лицензии Apache 2.0.

Solar Pro 3 — языковая модель Upstage с архитектурой Mixture-of-Experts (MoE). Она содержит 102 млрд параметров, из которых 12 млрд активируются при каждом проходе. Модель предназначена для генерации текста; в карточке она описана как мощная и вычислительно эффективная. README обрывается до подробностей об оптимизации, поэтому конкретные сценарии, поддерживаемые языки, размер контекста и ограничения установить нельзя. Метаданные указывают задачу text-generation и дату публикации 27 января 2026 года; лицензия не указана в предоставленных источниках.

Карточка модели hamxea/StableBeluga-7B-activity-fine-tuned-v2 на Hugging Face совпадает с карточкой stabilityai/StableBeluga2, поэтому описание составлено по ней. Stable Beluga 2 — авторегрессионная языковая модель Stability AI на архитектуре Llama 2, дообученная на 70B-базе в стиле Orca. Она предназначена для диалогов и генерации текста, в том числе ответов на вопросы и выполнения текстовых инструкций. Модель содержит 68,7 млрд параметров, работает с текстом и имеет контекст длиной 4096 токенов; в карточке заявлена поддержка английского языка. Модель опубликована в формате PyTorch и рассчитана на использование через Hugging Face Transformers. Чекпойнт распространяется по лицензии STABLE BELUGA NON-COMMERCIAL COMMUNITY LICENSE AGREEMENT, которая ограничивает коммерческое использование. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед применением в продукте Stability AI рекомендует проводить проверку безопасности и настройку под конкретный сценарий.

Stella-mistral-nemo-12B-v2 — языковая модель, созданная nbeerbower слиянием предварительно обученных моделей методом Model Stock с помощью mergekit. В качестве базовой использована nbeerbower/mistral-nemo-bophades-12B; в слияние также вошли три модели семейства Gutenberg, включая Lyra-Gutenberg-mistral-nemo-12B. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров, распространяется в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации и продолжения текста в диалоговом формате. Метаданные указывают контекстное окно до 1 024 000 токенов, а карточка приводит результаты оценок IFEval и BBH. Данные о поддерживаемых естественных языках и специализированных прикладных областях не приводятся. Лицензия в предоставленных источниках не указана. Поскольку это слияние нескольких моделей, свойства и условия использования могут зависеть от исходных чекпойнтов; фактическая производительность для конкретных сценариев требует проверки.

T3qm7xNeuralsirkrishna_Experiment27Yam — объединённая языковая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment27Yam-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Она предназначена для генерации текста и диалогов с контекстом до 32 768 токенов. Модель может применяться для ответов на запросы и создания связного текста. Карточка не сообщает о специализированной предметной области или поддерживаемых языках. Лицензия — Apache-2.0. Практические ограничения и результаты оценки качества в карточке не описаны.

T3qm7xNeuralsirkrishna_Neuralsirkrishnaexperiment26Experiment24 — объединённая языковая модель, опубликованная MaziyarPanahi. Она предназначена для генерации текста и диалогов. Модель построена на архитектуре Mistral с плотной архитектурой, содержит 7,1 млрд параметров и использует формат safetensors; длина контекста составляет до 32 768 токенов. Модель объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/Neuralsirkrishnaexperiment26Experiment24-7B. Доступна по лицензии Apache-2.0. Сведения о поддерживаемых языках и специализированных областях применения в карточке отсутствуют.

Tema_Q-R-3B-Thinking — компактная языковая модель, разработанная на основе Liquid AI LFM2.5-2.6B и дообученная для генерации ответов на японском и английском языках. Это плотная причинная трансформерная модель семейства LFM2, представленная в формате safetensors; её контекстное окно составляет 131 072 токена. Модель предназначена для диалогов и генерации текста по инструкциям, включая творческое письмо и поиск знаний. Разработчик позиционирует её как улучшенный вариант базовой модели, способный давать более гибкие и полезные ответы на сложные запросы. Модель помечена как uncensored; соблюдение законодательства и правил использования контента возложено на пользователя, а README запрещает применение для дискриминации, преследования, насилия, незаконных и иных вредоносных целей. Модель основана на LiquidAI/LFM2.5-2.6B и имеет 2,6 млрд параметров. Условия лицензии в предоставленных данных не указаны.

Tema_Q-X5-Thinking — дообученная большая языковая модель на основе Qwen3.6-35B-A3B, разработанной Alibaba Cloud. Она предназначена для генерации ответов на японском и английском языках, в том числе на сложные запросы, на которые стандартная Qwen может отвечать хуже. Метаданные также указывают поддержку китайского языка и диалогового режима с выполнением инструкций. Модель относится к семейству Qwen3.5 MoE; в репозитории представлены веса Safetensors. Карточка рекомендует использовать квантование не ниже Q5_K_M, поскольку при Q4_K_M и ниже может заметно снижаться точность вывода. Лицензия и длина контекста в предоставленных сведениях не приведены. README требует соблюдать применимые законы и правила платформы и запрещает вредоносное использование.

TranslateGemma 27B IT — модель перевода от Google Translate на основе Gemma 3. Она предназначена для перевода текста между 55 языками, а также для извлечения и перевода текста с изображений. Модель принимает текст или изображение; для изображений предусмотрена обработка с разрешением 896 × 896 пикселей. Контекст составляет 2K токенов, результат — текст перевода. Репозиторий содержит веса в формате safetensors и рассчитан на использование через Transformers. Модель дообучена на параллельных данных: использовались переводы, сгенерированные Gemini, и общедоступные параллельные документы. Компактность семейства TranslateGemma рассчитана на развёртывание на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Указанная лицензия — gemma; применяются условия использования Gemma. Качество может снижаться из-за пробелов и смещений в обучающих данных, неоднозначности и тонких языковых нюансов. Карточка позиционирует модель именно для перевода и не заявляет другие способности; фактическая точность перевода зависит от контекста и сложности текста.

Wiedervereinigung-7b-dpo — немецко-английская чат-модель от Mayflower GmbH, созданная объединением четырёх моделей на базе Mistral и последующим DPO-обучением на немецком переводе набора SlimOrca DPO. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для диалогов и генерации текста, в частности для ответов на вопросы, написания текстов и ролевых сценариев на немецком языке. В README приведён средний результат 7,1125 в бенчмарке mt-bench-de; оценки отдельных категорий показывают более низкие результаты в математике и программировании. Для обучения на немецких наборах данных авторы рекомендуют LLaMA-Factory. Модель распространяется в формате safetensors по лицензии Apache-2.0. Результаты бенчмарка указывают на ограничения в математике и программировании; качество следует оценивать для конкретного сценария.

QuixiAI/WizardLM-33B-V1.0-Uncensored — языковая модель семейства LLaMA, представленная как переобученная версия WizardLM с отфильтрованным набором данных, чтобы уменьшить число отказов, уклончивых ответов и проявления смещения. Она предназначена для генерации ответов на инструкции и диалогов в стиле шаблона Vicuna-1.1. Модель содержит 32,3 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст до 2048 токенов. Модель ориентирована на англоязычные запросы и более послушное выполнение инструкций; автор отдельно отмечает, что она не лишена ограничений и не является полностью «нецензурированной». В карточке приведены результаты оценок на бенчмарках ARC и HellaSwag. Репозиторий содержит веса PyTorch. Лицензия указана как other, поэтому условия использования следует уточнять по материалам репозитория.

YamshadowInex12_Experiment26Yam — объединённая модель на архитектуре Mistral для генерации текста. Она создана на основе automerger/YamshadowInex12-7B и automerger/Experiment26Yam-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Объединение двух моделей указано в карточке; конкретные специализация, языки и сравнительные преимущества не описаны. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

YamshadowStrangemerges_32_Experiment27Shadow — объединённая модель для генерации текста, созданная MaziyarPanahi на основе automerger/YamshadowStrangemerges_32-7B и automerger/Experiment27Shadow-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Данные карточки не описывают специализацию по предметной области или языкам.

Zinakha-12b — текстовая авторегрессионная модель Aixon Lab на архитектуре Transformer, дообученная на базе mistralai/Mistral-Nemo-Base-2407 с использованием разных наборов данных и слияния слоёв. Модель содержит около 12,1 млрд параметров и предназначена прежде всего для многоходового общения с несколькими ролями, генерации текста, ответов на вопросы и анализа. В карточке особенно отмечены понимание контекста, творческое письмо и рассказывание историй. Модель в первую очередь рассчитана на английский язык; заявлена возможная поддержка других языков. Метаданные указывают контекст до 1 024 000 токенов и формат весов safetensors. Лицензия — Apache 2.0. Оценки качества и результаты бенчмарков для этой модели не приведены; ответы могут наследовать смещения обучающих данных, поэтому их следует проверять.

Модель ShenaoZ/0.00001_withdpo_4iters_bs256_555lr_iter_3 — дообученная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалогового общения; модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и сохранена в формате safetensors. Модель дообучена на основе ShenaoZ/0.00001_withdpo_4iters_bs256_555lr_iter_2 с использованием обновлённого и исходного наборов данных; в метаданных также отмечен DPO. Репозиторий указывает лицензию MIT. Карточка не описывает конкретные области применения, языки обучения или результаты оценки качества.

Это дообученная модель генерации текста на архитектуре Mistral с 7,1 млрд параметров, созданная на основе ShenaoZhang/0.0001_3iters_bs256_nodpo_full6w_iter_1. Она предназначена для генерации текста и диалогового общения, включая ответы на вопросы. Контекст модели составляет до 32 768 токенов; репозиторий содержит веса в формате safetensors. В карточке указано дообучение на наборах updated и original, но подробности о данных, обучении и оценке не приведены. Модель распространяется по лицензии MIT.

Это GGUF-квантизированная версия текстовой генеративной модели Q3-30B-A3B-Designant, разработанной allura-org и преобразованной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, прежде всего для диалоговых сценариев, ролевого общения и следования инструкциям. В обучении или дообучении заявлено использование наборов данных, связанных с диалогами, персонажами, прозой, рассуждениями, физическим и медицинским анализом, а также instruction following и DPO. Модель доступна в формате GGUF с вариантами квантизации от bf16 и Q8_0 до Q3 и IQ4. Размер файлов зависит от варианта и составляет примерно от 16 до 61 ГБ. Для работы указаны LM Studio, llama.cpp и другие совместимые проекты. Рекомендуемый шаблон запросов использует специальные маркеры ролей <|im_start|> и <|im_end|>. Сведения о поддерживаемых языках, длине контекста, мультимодальности и точной архитектуре в README не приведены; по представленным данным это текстовая, а не мультимодальная модель. Сильной стороной являются различные уровни квантизации, позволяющие выбирать между качеством и требованиями к памяти; варианты Q5 и Q6 описаны как высококачественные, а Q3 — как пригодные для систем с ограниченным объёмом оперативной памяти. К ограничениям относятся возможная потеря качества при более агрессивной квантизации и отсутствие в README сведений о лицензии, поэтому условия использования необходимо уточнять на странице исходной модели и соответствующих наборов данных.

answer-finder-v1-S-en — англоязычная модель для поиска ответов, разработанная Sinequa. Она принимает вопрос и текстовый фрагмент и предсказывает позиции начала и конца ответа в тексте; модель относится к архитектуре BERT и использует microsoft/MiniLM-L12-H384-uncased в качестве базовой модели. В карточке указаны 33 млн параметров, а метаданные каталога — около 40 млн; контекст ограничен 512 токенами. Модель не чувствительна к регистру и акцентам и обучалась на SQuAD v2. На SQuAD v2 указаны F1 79,4 при оценке через Hugging Face и 79,5 через Haystack. Карточка приводит время инференса и расход GPU-памяти для отдельных конфигураций, но результаты зависят от оборудования и точности вычислений. Для использования требуется Sinequa версии 11.10.0 или выше; для FP16 и GPU с CUDA compute capability 8.9+ нужна версия 11.11.0 или выше. Лицензия в предоставленных данных не указана.

Модель ingeniumacademy/bart-cnn-samsum-finetuned — дообученная версия facebook/bart-large-cnn на наборе данных SAMSum. Она предназначена для создания кратких пересказов диалогов, например бесед из чатов. Модель построена на архитектуре BART и содержит 252,8 млн параметров; принимает текст длиной до 1024 токенов и генерирует текст. В README приведено значение loss 0,1344 на оценочной выборке, но описание не уточняет методику оценки или другие показатели качества. Лицензия — MIT.

bartconvo-summarizer — дообученная Advaith1612 модель BART для краткого пересказа диалогов. Она создана на основе facebook/bart-large-cnn и обучена на датасете SAMSum, содержащем диалоги и их краткие сводки. Модель принимает текст диалога и генерирует его краткое текстовое изложение; её контекст составляет 1024 токена, размер — 252,8 млн параметров. Модель подходит для суммирования переписок и разговоров на английском языке. Она распространяется в формате safetensors по лицензии MIT. README не содержит результатов оценки качества или дополнительных сведений об ограничениях.

Модель rafaelwt/beto-amazon-reviews-es-3clases — дообученная Grupo 5 в рамках Laboratorio 4 испаноязычная модель BETO на архитектуре BERT для трёхклассовой классификации тональности коротких отзывов и клиентских сообщений. Она относит текст к категориям «негативный», «нейтральный» или «позитивный»; метки обучающего набора связаны с оценками Amazon: 1–2, 3 и 4–5 звёзд соответственно. Модель основана на dccuchile/bert-base-spanish-wwm-cased, содержит 137,1 млн параметров и принимает до 512 токенов по метаданным; при обучении использовалась максимальная длина 128 WordPiece-токенов. Обучение проводилось на испанском разделении SetFit/amazon_reviews_multi_es: 200 000 отзывов для обучения и официальные validation и test наборы. На тесте из 5 000 отзывов указаны accuracy 0,793 и macro F1 0,738. Модель подходит для анализа тональности испанских отзывов и обратной связи клиентов. Нейтральный класс распознаётся слабее остальных (F1 0,487), а саркастические сообщения могут ошибочно классифицироваться как позитивные. Лицензия — Apache-2.0.

BgGPT-Gemma-2-2.6B-IT-v1.0 — диалоговая языковая модель INSAIT, института при Софийском университете Св. Климента Охридского. Это плотный декодерный трансформер семейства Gemma 2 с 2,7 млрд параметров и контекстом 8192 токена, предназначенный для генерации текста и выполнения инструкций в формате чата. Модель основана на Google Gemma 2 2B и Gemma 2 2B IT. INSAIT непрерывно предобучил её примерно на 100 млрд токенов, включая 85 млрд токенов на болгарском языке, используя стратегию Branch-and-Merge, а затем дообучил на болгарских инструкциях и диалогах. Она рассчитана прежде всего на болгарский язык, сохраняя возможности английского, и подходит для ответов на вопросы, суммаризации, рассуждений и диалоговых приложений. Модель распространяется по условиям Gemma Terms of Use. В README отмечено, что Flash Attention для неё не поддерживается и может ухудшить качество; для работы с инструкциями следует использовать шаблон чата Gemma 2.

BreezeDolphinDPO-7B-DARE — языковая диалоговая модель, созданная объединением моделей cognitivecomputations/dolphin-2.6-mistral-7b-dpo и MediaTek-Research/Breeze-7B-Instruct-v0_1 с помощью LazyMergekit. Она предназначена для генерации текста и ведения диалога; архитектура — плотная MistralForCausalLM, размер — 7,2 млрд параметров, контекст — до 32 768 токенов. Модель принимает текст и генерирует текст. Базовая Breeze ориентирована преимущественно на традиционный китайский и английский языки; README не уточняет языковую поддержку итогового слияния. В конфигурации указан метод слияния dare_ties и формат весов bfloat16; репозиторий содержит safetensors. Лицензия в предоставленных данных не указана.

Brunhilde-2x7b-MOE-DPO-v.01.5 — языковая модель на архитектуре Mixtral с механизмом смеси экспертов (MoE), опубликованная arlineka. В README она представлена как объединение NurtureAI/neural-chat-7b-v3-16k и mncai/mistral-7b-dpo-v6; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста, в том числе диалоговых ответов и рассуждений. В карточке приведены результаты Open LLM Leaderboard: средний балл 71,81, AI2 Reasoning Challenge — 69,54, HellaSwag — 87,02. Весовые файлы представлены в формате Safetensors. README не описывает языки, специальные прикладные области или ограничения качества; оценки бенчмарков не гарантируют точность ответов в конкретных задачах. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

calme-3.1-instruct-78b — экспериментальная чат-модель MaziyarPanahi для генерации текста в широком круге задач. По карточке, Qwen2.5-72B объединили с самой собой, а полученную модель дообучили на пользовательских наборах данных; в метаданных указана связь с MaziyarPanahi/calme-3-selfmerge-qwen2-78b. Архитектура — плотная Qwen2, размер — 76,7 млрд параметров, формат весов — safetensors, библиотека — Transformers. Модель использует шаблон диалога ChatML и имеет контекстное окно 32 768 токенов. Модель предназначена для диалогов и общих задач генерации текста; карточка приводит результаты Open LLM Leaderboard, в том числе IFEval и BBH. В метаданных указан английский язык. Автор отмечает экспериментальный характер модели, чувствительность к гиперпараметрам и возможное слабое качество на отдельных запросах. Лицензия обозначена как other; конкретные условия в предоставленных данных не раскрыты.

CalmexperimentOgnoexperiment27multi_verse_model-7B — автоматически объединённая 7,1-миллиардная языковая модель, созданная Maxime Labonne на основе automerger/Ognoexperiment27Multi_verse_model-7B. В README указано слияние методом dare_ties с моделью allknowingroger/CalmExperiment-7B-slerp; метаданные классифицируют её как дообучение базовой модели automerger/Ognoexperiment27Multi_verse_model-7B. Архитектура — плотная MistralForCausalLM, файлы представлены в safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста. Лицензия Apache-2.0. Карточка не сообщает о специализации на конкретном языке или предметной области, поэтому модель можно описать как универсальную текстовую генеративную модель; её качество и ограничения в отдельных сценариях по предоставленным данным оценить нельзя.

Модель Mateo Rúa для классификации тональности отзывов о покупках в интернет-магазинах на испанском языке. Это дообученная многоязычная DistilBERT-модель для классификации последовательностей; она относит отзыв к одному из трёх классов: отрицательному, нейтральному или положительному. Контекст ограничен 512 токенами, доступны веса в форматах Safetensors и ONNX. Модель предназначена для выявления недовольных покупателей, мониторинга отзывов о товарах и продавцах, построения сводок клиентского опыта и приоритизации обращений для модерации и поддержки. Обучение проведено на 30 тысячах испаноязычных отзывов Amazon с оценками, преобразованными в три класса тональности. На тестовой выборке указаны F1 macro 0,697 и accuracy 0,730. Сильнее всего модель различает положительные и отрицательные отзывы; нейтральный класс распознаётся хуже из-за неоднозначности отзывов и дисбаланса классов. Возможны ошибки на сарказме и иронии, а качество может снижаться для других областей, например ресторанов, услуг и соцсетей. Модель рассчитана только на испанский язык; лицензия — Apache-2.0.

Experiment28M7_Experiment28Inex12 — объединённая модель семейства Mistral, созданная на основе automerger/Experiment28M7-7B и automerger/Experiment28Inex12-7B. Она предназначена для генерации текста и может использоваться в диалоговых и других текстовых сценариях, где требуется продолжать или создавать текст по запросу. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache 2.0. В карточке не описаны её обучение, целевые языки и специальные области применения; фактическое качество и поведение следует оценивать на задачах конкретного проекта.

ssmits/Falcon2-8B-Spanish — испаноязычная плотная авторегрессионная языковая модель семейства Falcon, созданная с помощью mergekit на основе ssmits/Falcon2-5.5B-Spanish. Она предназначена для генерации текста и диалоговых сценариев; архитектура реализована классом FalconForCausalLM. Метаданные указывают размер 11,8 млрд параметров и контекст до 8192 токенов, а также поддержку испанского языка. Модель подходит для продолжения текста, ответов на вопросы и классификации текстовых данных. В карточке указан формат safetensors и лицензия Apache-2.0. README описывает слияние passthrough с одной исходной моделью; поэтому заявленная процедура объединения сама по себе не подтверждает улучшение качества. Результаты могут зависеть от сценария применения и требуют проверки на целевых данных.