III.4Клиентская поддержка и customer success

YeungNLP/firefly-chatglm2-6b — дообученная в проекте Firefly модель ChatGLM2 для диалогов. При обучении использован формат организации данных для многоходового общения, близкий к официальному формату ChatGLM2. В обучающую выборку вошли более миллиона диалогов, включая данные moss и 20 тысяч примеров по школьной математике. Модель содержит 7,8 млрд параметров, использует плотную архитектуру ChatGLM и поддерживает контекст до 32 768 токенов. Она предназначена для одно- и многоходовых текстовых диалогов. В репозитории указаны веса PyTorch. Лицензия в доступных данных не приведена.

Franken-MistressMaid-7B — языковая модель на архитектуре Mistral, созданная объединением нескольких предварительно обученных моделей методом TIES с помощью mergekit. В качестве основы использована mistralai/Mistral-7B-v0.1; в объединение также вошли ibm/merlinite-7b, l3utterfly/mistral-7b-v0.1-layla-v4, SanjiWatsuki/Sonya-7B, NeverSleep/Noromaid-7b-v0.2 и migtissera/SynthIA-7B-v1.3. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста. Её контекстное окно составляет 32 768 токенов; репозиторий использует формат safetensors и библиотеку Transformers. Карточка не описывает конкретные сценарии применения, языки или ограничения качества. Лицензия в предоставленных данных не указана.

Hellenic Sentiment AI — модель классификации тональности текстов на базе XLM-RoBERTa, опубликованная gsar78. Она относит предложение или абзац к положительной, отрицательной или нейтральной тональности и возвращает оценки уверенности для классов. Модель содержит около 305,2 млн параметров, принимает последовательности длиной до 514 токенов и распространяется в формате safetensors. Версия 1.1 рассчитана прежде всего на греческий язык, а также поддерживает английский, французский, итальянский, испанский, немецкий и арабский. Обучение проводилось на отобранных вручную отзывах о товарах, заведениях и ресторанах; модель также учитывает эмодзи. Её можно использовать для анализа отзывов и локального запуска на CPU. README заявляет готовность к промышленному применению, однако карточка не приводит количественных результатов оценки качества и не описывает поведение на других жанрах текста. Лицензия — CC BY 4.0.

Higgs Audio v3 8B STT — модель распознавания речи от Boson AI, дообученная методом LoRA на разнообразных наборах данных для ASR. Она принимает монофонический WAV-аудиосигнал с частотой 16 кГц и преобразует речь в текст. Архитектура объединяет замороженный энкодер Whisper-Large-v3 и декодер Qwen3-8B с объединёнными LoRA-весами; общий размер составляет 8,91 млрд параметров. Модель поддерживает режим Thinking для повышения точности. В README приведены результаты на бенчмарке ESB, включая WER 6,23% на AMI, 11,33% на Earnings22 и 9,34% на GigaSpeech. Обучение использовало выборки AMI, SPGISpeech, Earnings22, VoxPopuli, LibriSpeech и TED-LIUM. Метаданные указывают английский язык и лицензию Apache-2.0; опубликованный формат весов — safetensors.

Index-Translate-2B — компактная мультиязычная модель перевода с 2 млрд параметров от команды Index, построенная на архитектуре Qwen3.5. Она переводит текст между 150 языками и следует инструкциям о терминологии, стиле, контексте, формате и длине результата. Модель предназначена для перевода предложений, статей, субтитров, структурированных данных и выражений из интернет-сообществ, включая мемы и нестандартное написание. Модель также поддерживает перевод изображений в текст без отдельного внешнего OCR, используя визуальные энкодеры mmproj. Для перевода можно задавать строгие глоссарии и сохранять JSON, CSV, Markdown, блоки кода и заполнители. В техническом отчёте приведены результаты сравнительных оценок на переводческих тестах; они относятся к указанным наборам данных и условиям проверки. Модель опубликована в формате safetensors под лицензией Apache-2.0. В описании указано, что она основана на Qwen3.5 и прошла специализированное обучение для перевода, включая настройку с учётом следования инструкциям и целевую дистилляцию.

Iridium-72B-v0.1 — языковая модель на 71,5 млрд параметров, созданная автором leafspark слиянием Qwen2-72B-Instruct, calme2.1-72b и magnum-72b-v1 с помощью model_stock. Модель использует плотную архитектуру Qwen2 для генерации текста и диалогов; доступна в формате safetensors для Transformers. В README указан контекст до 128 тысяч токенов, тогда как метаданные каталога указывают native context в 32 768 токенов. Модель предназначена для диалоговых ответов и генерации связного текста, сочетая, по описанию автора, стиль прозы Magnum с возможностями Calme. Поддерживаемые языки по карточке — английский и китайский. Для запуска автор указывает потребность примерно в 140 ГБ VRAM или RAM и не менее 135 ГБ свободного места. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели и лицензиями исходных моделей.

Keural-Cortex-8B SFT v2 — промежуточный контрольный чекпойнт диалоговой модели, разработанной MKD Co., Ltd. на базе Qwen3-8B. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и предназначена для генерации текста и диалогов на корейском и английском языках. Контекстное окно — 65 536 токенов; модель распространяется в формате safetensors и лицензирована по Apache-2.0. Чекпойнт зафиксирован на шаге 600 из 1 124 второго этапа дообучения методом SFT, поэтому он опубликован для прозрачности и не является завершённой версией. Его предполагаемые сценарии — ответы на вопросы, следование инструкциям, генерация и редактирование текста, суммаризация, рассуждения и вызов инструментов в диалоге. Метаданные подтверждают поддержку чата; README описывает настройку сервера с вызовом инструментов. Известные ограничения включают пустой блок reasoning в режиме размышлений, выдумывание сведений о компании-разработчике и слабое знание корейских диалектов, в частности диалекта Пусана. Модель иногда не соблюдает явные ограничения формата; для этого промежуточного чекпойнта не опубликованы результаты бенчмарков. Данные README указывают, что предпочтительная оптимизация и обучение с проверяемыми наградами ещё не выполнены.

L3.1-70b-Ginny — языковая модель для диалогов и генерации текста, созданная KaraKaraWarehouse путём слияния четырёх моделей на базе Llama 3.1 70B с помощью LazyMergekit. В состав слияния вошли NousResearch/Hermes-3-Llama-3.1-70B, Fizzarolli/L3.1-70b-glitz-v0.2, cyberagent/Llama-3.1-70B-Japanese-Instruct-2407 и Sao10K/L3-70B-Euryale-v2.1. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста; автор отмечает улучшение возможностей на японском языке и способность переводить при подходящей инструкции. Для общения рекомендуется формат L3 Instruct. По наблюдениям автора, ответы могут быть многословными, и снижение температуры помогает сделать их короче. Условия лицензии в предоставленных данных не указаны.

L3.1-70b-Milasha — чат-модель, созданная KaraKaraWitch как слияние пяти моделей семейства Llama 3.1 с помощью LazyMergekit. Она предназначена для диалога и генерации текста в формате Llama 3 Instruct; при слиянии MeowMix использовалась для усиления языковых возможностей в китайском, японском и корейском языках. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель подходит для многоходовых бесед и генерации текста с длинным контекстом. Веса доступны в формате safetensors. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое использование. README не содержит подробной оценки качества или перечня ограничений; заявленный акцент на CJK-языках относится к усилению языковых возможностей при слиянии.

MuXodious/LFM2.5-1.2B-Thinking-absolute-heresy — это дообученная версия LFM2.5-1.2B-Thinking от Liquid AI, созданная с помощью инструмента Heretic (v1.1.0) и экспериментального алгоритма abliteration. Модель сохраняет текстовую архитектуру LFM2 и предназначена для генерации ответов в диалогах и рассуждений; карточка также рекомендует её для агентных сценариев, извлечения данных и RAG. В метаданных указаны 1,5 млрд параметров, контекст до 128 000 токенов и поддержка английского, арабского, китайского, французского, немецкого, японского, корейского и испанского языков. Модель поставляется в формате Safetensors и рассчитана на работу через Transformers. В карточке приведены результаты abliteration: число отказов снизилось с 99 до 5 из 100, а KL-дивергенция составила 0,0093; автор отмечает, что классификация «Absolute Heresy» условна и не отражает качество модели. Модель не рекомендуется для задач, требующих обширных знаний, и программирования. Лицензия обозначена как other; конкретные условия в предоставленных данных не раскрыты.

Llama-2-7b-chat-norwegian — разработанная Ruter AI Lab дообученная версия Meta Llama 2 7B Chat. Модель предназначена для понимания и генерации текста на норвежском языке и может использоваться как чат-ассистент. Она поддерживает шаблоны запросов Llama 2 Chat и Alpaca, содержит около 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и имеет контекст до 4096 токенов. Модель обучали одну эпоху на наборах Norwegian Alpaca и 15 тысячах машинно переведённых примеров OpenOrca, а также на небольшой подборке инструкционных данных Ruter AI Lab. Она подходит для суммаризации, ответов на вопросы и диалога на норвежском языке. Выпущена по лицензии Llama 2 Community License; для оптимальных результатов может потребоваться настройка промптов.

LlongOrca-7B-16k — языковая модель Alignment Lab AI, дообученная на модели LLongMA-2-7b-16k с помощью отфильтрованной части набора OpenOrca, содержащего данные, дополненные GPT-4. Модель построена на архитектуре Llama и насчитывает 6,6 млрд параметров; для обучения использовались Axolotl и формат диалогов ChatML. Модель предназначена для генерации текста и диалоговых ответов на английском языке, в том числе при работе с длинным контекстом до 16 384 токенов. Разработчики сообщают об улучшении результатов относительно базовой LLongMA-2-7b-16k на BigBench-Hard и AGIEval; эти оценки приведены авторами и не гарантируют качество в конкретных сценариях. Модель распространяется в формате PyTorch по лицензии Llama 2. Её обучали на английских данных OpenOrca; результаты на других языках не описаны. Она может ошибаться и выдавать недостоверные ответы, поэтому ответы требуют проверки.

Lucie-7B-Instruct-human-data — дообученная инструкционная версия Lucie-7B, открытой многоязычной каузальной языковой модели, разработанной OpenLLM-France. Модель предназначена для генерации текста и диалоговых сценариев с выполнением инструкций, прежде всего на французском языке. Она также обучалась на английском, немецком, итальянском и испанском языках. Размер модели — 7B параметров; базовая модель поддерживает контекст до 32K токенов, и, несмотря на обучение на последовательностях длиной 4096 токенов, эта версия сохраняет способность работать с контекстом до 32K токенов. Модель дообучалась исключительно на созданных людьми или шаблонно подготовленных инструкционных данных, без использования ответов сторонних LLM; среди источников — Aya Dataset, Dolly, FLAN v2, OpenAssistant, Croissant Aligned Instruct и франкоязычные наборы данных. Её сильная сторона — следование инструкциям и генерация французского текста при полностью открытом подходе к подготовке данных. Модель не оптимизировалась для программирования и математических задач, а её качество ниже, чем у Lucie-7B-Instruct-v1.1; дальнейшее дообучение и выравнивание методами DPO или RLHF могут улучшить эти возможности. Модель распространяется по лицензии Apache-2.0.

Lynx Micro — небольшая языковая модель от 42 Labs, первая версия семейства шведских моделей Lynx. Это авторегрессионный трансформер на архитектуре Gemma, дообученный на Gemma 2B 1.1 Instruct; размер по метаданным — 2,5 млрд параметров, длина контекста — 8192 токена. Модель принимает текст и генерирует текст, поддерживает шведский и английский языки и предназначена для диалогов и других задач генерации текста. При дообучении использовался закрытый набор примерно из 1,35 млн примеров: шведские инструкции для одно- и многошаговых диалогов, а также шведско-английские переводы. В карточке сообщается об оценке на шведской части Scandeval и результате немного ниже GPT-3.5 Turbo. Модель компактна, но, по предупреждению авторов, запомнила меньше сведений, чем более крупные модели, поэтому её ответы на фактические вопросы могут быть ограничены. Распространяется на условиях использования Gemma.

M7Yamshadowexperiment28_Experiment26Neuralsirkrishna — объединённая языковая модель семейства Mistral, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Neuralsirkrishna-7B. Веса содержат около 7,1 млрд параметров, модель принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. Данные карточки не уточняют целевые языки, специальные области применения или сравнительные преимущества.

Magiq-3 — диалоговая языковая модель от mymaia, построенная на архитектуре Mixture of Experts (MoE). Согласно карточке, она объединяет специализированные компоненты MAGIQ Core-0, MAGIQ Translator-0 и MAGIQ Logic-0 для общения, перевода и логических задач. Модель дообучена на Mistral-7B-Instruct-v0.2, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге, работы с инструкциями, перевода и рассуждений на английском, итальянском и французском языках. Распространяется в формате safetensors по лицензии Apache-2.0. Карточка заявляет о сочетании языковой гибкости и логических способностей, но не приводит количественных оценок качества или подробностей обучения.

Модель разработана muhammadkwanso как дообученная версия unsloth/Meta-Llama-3.1-8B-bnb-4bit. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она предназначена для генерации текста; конкретная специализация дообучения в карточке не описана. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно до 131 072 токенов. Веса представлены в формате safetensors. Для обучения использовались Unsloth и библиотека TRL. Лицензия — Apache 2.0.

mvpmaster/nddmp-kellemar-KrishnaHercules-7b-slerp — объединённая модель для генерации текста, созданная методом SLERP с помощью LazyMergekit из mvpmaster/NeuralDareDMistralPro-7b-slerp и mvpmaster/kellemar-KrishnaHercules-0.1-7b-slerp. В метаданных указана архитектура MistralForCausalLM с плотными слоями и размером 7,1 млрд параметров. Модель принимает текстовые запросы и генерирует текст; заявленная длина контекста — до 32 768 токенов. Карточка не описывает специализированные сценарии, поддерживаемые языки или сравнительные результаты. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

m-a-p представляет NEO 7B Instruct v0.1 — инструктивно дообученную языковую модель семейства Llama с плотной архитектурой и примерно 7,6 млрд параметров. Репозиторий содержит веса в формате Safetensors; проект описывает модель как открытую и предоставляет сведения о коде, обучающих данных и процессе обучения. Модель предназначена для генерации текста по инструкциям и диалогового взаимодействия. Контекст составляет 8192 токена. В карточке не описаны конкретные языки и специализированные области применения. Модель распространяется по лицензии Apache-2.0. README указывает, что это instruction-tuned версия NEO 7B, но не приводит деталей о качестве, тестировании или ограничениях применения.

NeuralsirkrishnaShadow_YamExperiment26 — объединённая текстовая модель, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/YamExperiment26-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; веса опубликованы в формате Safetensors. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов, что позволяет использовать её для диалогов, написания черновиков и работы с длинными текстовыми запросами. Данные карточки не уточняют специализацию по языкам или областям применения. Модель распространяется по лицензии Apache-2.0. Сведения о точности, оценках качества и конкретных ограничениях применения в карточке отсутствуют.

Neurotic-Jomainotrik-7b-slerp — языковая модель на архитектуре Mistral, созданная liminerity с помощью слияния моделей mergekit методом SLERP. В объединение вошли liminerity/merge и bardsai/jaskier-7b-dpo-v5.6; карточка указывает базовой моделью liminerity/merge. Модель содержит 7,1 млрд параметров, сохранена в формате safetensors и использует точность float16. Модель предназначена для генерации текста. Указанный нативный контекст составляет 32 768 токенов. В README приведены результаты Open LLM Leaderboard, включая оценки по AI2 Reasoning Challenge и HellaSwag; конкретные языки и специализированные области применения не заявлены. Лицензия — Apache-2.0.

OpenBuddy/openbuddy-openllama-3b-v10-bf16 — многоязычная чат-модель проекта OpenBuddy, построенная на плотной архитектуре Llama и предназначенная для генерации текста в диалоге. Модель содержит 3,3 млрд параметров, работает с библиотекой Transformers и распространяется в формате PyTorch; размер контекста — 4096 токенов. Модель ориентирована на общение и генерацию ответов на китайском, английском, французском, немецком, японском, корейском, итальянском и русском языках. Лицензия — Apache 2.0. Ответы могут быть ошибочными, вредными или оскорбительными; разработчики предостерегают от применения модели в медицинских, финансовых, юридических и других критически важных сценариях.

Helsinki-NLP/opus-mt-en-hu — модель машинного перевода с английского на венгерский, разработанная в рамках проекта OPUS. Она основана на архитектуре Transformer и реализована как MarianMTModel; обучающие данные взяты из корпуса OPUS, а подготовка текста включает нормализацию и SentencePiece. Размер модели — 57,2 млн параметров, контекст — до 512 токенов. Модель предназначена для перевода предложений и текстов с английского языка на венгерский. В карточке приведён результат BLEU 40,1 и chr-F 0,628 на наборе Tatoeba.en.hu. Доступны веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache 2.0.

Helsinki-NLP/opus-mt-ja-en — модель машинного перевода японского текста на английский, созданная Helsinki-NLP в рамках проекта OPUS. Она основана на архитектуре Transformer-align и использует библиотеку Marian; при обработке применяются нормализация текста и токенизация SentencePiece. Размер модели — 56,3 млн параметров, контекст — до 512 токенов. Метаданные указывают поддержку PyTorch и TensorFlow. Модель предназначена для перевода предложений с японского на английский. В карточке приведены результаты оценки на наборе Tatoeba.ja.en: BLEU 41,7 и chr-F 0,589. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-uk-en — модель машинного перевода из семейства Marian, разработанная Helsinki-NLP для перевода с украинского языка на английский. Она обучена на данных OPUS и использует архитектуру Transformer; для предобработки применяются нормализация текста и SentencePiece. Модель содержит 56,7 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель подходит для перевода украинских сообщений, документов и других текстов на английский. В README приведены результаты на тестовом наборе Tatoeba.uk.en: BLEU 64,1 и chr-F 0,757. Доступны веса PyTorch и TensorFlow. Лицензия Apache-2.0.

Pangea-7B — мультиязычная мультимодальная языковая модель, разработанная командой NEU Lab и обученная в 2024 году на наборе PangeaIns объёмом 6 млн примеров. Она использует архитектуру LLaVA-NeXT с языковой основой Qwen2-7B-Instruct и содержит 7,1 млрд параметров; поддерживает контекст до 32 768 токенов. Модель рассчитана на диалог и генерацию текста, а также на работу с изображениями и текстом на множестве языков. Pangea-7B подходит для мультиязычных диалоговых помощников, ответов на вопросы об изображениях и задач, где требуется сочетать визуальный ввод с текстовым ответом. README сообщает о поддержке 39 языков, включая русский; метаданные содержат языковые теги и более узкий список языков карточки. Модель выпущена под лицензией Apache-2.0. Конкретные ограничения качества и результаты сравнительных тестов в предоставленных материалах не описаны.

Карточка модели homeb82784/qwen2.5-7b-instruct-cpt-v6.1 на Hugging Face совпадает с карточкой homeb82784/qwen2.5-7b-instruct-cpt-v4.0, поэтому описание составлено по ней. Модель homeb82784/qwen2.5-7b-instruct-cpt-v4.0 — дообученная авторегрессионная языковая модель семейства Qwen2, разработанная homeb82784 на основе unsloth/qwen2.5-7b-instruct-bnb-4bit. Она предназначена для генерации текста в диалоговом формате и может использоваться в чат-сценариях. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнялось с Unsloth и библиотекой Hugging Face TRL. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0. Данные карточки не описывают специализацию дообучения, поэтому конкретные преимущества или качество в отдельных областях установить нельзя; заявленная поддержка языка — английский.

Undi95/ReMM-v2-Kimiko-v2-13B — текстовая генеративная модель семейства Llama с 12,9 млрд параметров, предназначенная для генерации текста. Модель представлена в формате PyTorch и использует контекст длиной до 4096 токенов. В README указано, что модель получена объединением LoRA-адаптера с базовой моделью с весом 0,50. Идентификаторы базовой модели и адаптера не приведены, поэтому установить их по доступным данным нельзя. Лицензия CC BY-NC 4.0 разрешает использование на условиях указания авторства и ограничивает коммерческое применение.

Sakura-SOLRCA-Instruct-DPO — плотная авторегрессионная языковая модель семейства Llama, разработанная Kyujin Han (kyujinpy) в рамках исследовательского консорциума компаний 미디어그룹사람과숲 и 마커. Модель дообучена методом DPO на наборе Intel/orca_dpo_pairs и предназначена для диалоговой генерации текста и следования инструкциям. Модель содержит 10,6 млрд параметров, рассчитана на контекст до 4096 токенов и распространяется в формате safetensors для Transformers. Карточка приводит результаты на наборах ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K; основным языком в метаданных указан английский. Лицензия CC BY-NC-SA 4.0 требует указания авторства, ограничивает коммерческое использование и распространяет аналогичные условия на производные материалы.

SauerkrautLM-gemma-2-9b-it — текстовая чат-модель VAGO solutions на базе Google Gemma 2 9B IT, дообученная методом Spectrum Fine-Tuning на немецко-английских данных Sauerkraut Mix v2. В ходе обучения затрагивалось 25% слоёв модели. Модель предназначена для диалогов и выполнения инструкций на немецком и английском языках. Разработчики сообщают об улучшениях следования инструкциям, рассуждений здравого смысла и решения математических задач при сохранении большей части ранее приобретённых способностей базовой модели. Архитектура — плотная Gemma2ForCausalLM с 9 млрд параметров; контекст — до 8192 токенов. В репозитории представлены веса safetensors. Лицензия — gemma. Разработчики предупреждают, что несмотря на очистку данных, модель может выдавать неподходящий или некорректный контент; результаты оценки зависят от настроек бенчмарков.