III.4Клиентская поддержка и customer success

SiEBERT — модель анализа тональности английского текста, разработанная как дообученный чекпойнт RoBERTa-large. Она классифицирует текст по двум меткам: положительная и отрицательная тональность. Модель обучали и оценивали на 15 наборах данных из разных источников, включая отзывы и твиты, чтобы повысить качество на текстах, отличающихся от обучающих примеров. Модель предназначена для классификации отзывов, публикаций и других англоязычных текстов, а также может служить отправной точкой для дальнейшего дообучения на пользовательских данных. Архитектура — RoBERTa для классификации последовательностей, размер — 454,1 млн параметров, максимальный контекст — 514 токенов. Доступны версии для PyTorch, TensorFlow и Flax. В описанных оценках модель показала более высокую точность на разнородных наборах данных, чем модель DistilBERT, дообученная только на SST-2. Точность на конкретных данных может отличаться; README рекомендует проверить качество на вручную размеченной выборке для целевого сценария. Лицензия в предоставленных данных не указана.

ShadowStrangemerges_32-7B — объединённая модель для генерации текста, созданная Maxime Labonne из CorticalStack/shadow-clown-7B-slerp и Gille/StrangeMerges_32-7B-slerp. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Веса объединены методом SLERP с параметрами, заданными отдельно для слоёв внимания и MLP. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. README не уточняет специализацию по языкам или отдельным прикладным областям.

Shisa 7B v1 — двуязычная чат-модель общего назначения, разработанная Augmxnt для японского и английского языков. Она предназначена для диалога, ответов на вопросы и выполнения инструкций на этих языках. Модель построена на плотной архитектуре MistralForCausalLM с 7,5 млрд параметров и контекстом до 32 768 токенов. В основе лежит Mistral 7B с расширенным токенизатором, оптимизированным для японского языка; базовая модель прошла дополнительное предобучение преимущественно на японских данных, затем была дообучена на синтетических англо-японских данных и предпочтениях пользователей. Доступна в формате safetensors. Модель рассчитана на генерацию связных ответов и демонстрирует хорошее владение японским при сохранении возможностей английского. Она может галлюцинировать, хуже крупных моделей следует сложным инструкциям и рассуждает менее эффективно; в японском встречаются неестественные формулировки и ошибки, также возможно переключение на другой язык. Лицензия Apache 2.0 допускает коммерческое и иное использование.

Spaetzle-v63-7b — текстовая генеративная модель, созданная cstr путём слияния моделей OpenPipe/mistral-ft-optimized-1227 и DiscoResearch/DiscoLM_German_7b_v1 с помощью LazyMergekit и метода slerp. Это плотная Mistral-модель с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов; в её основе немецко-английская чат-модель, поэтому она может быть полезна для повседневного общения и перевода между немецким и английским языками. Репозиторий распространяет веса в формате safetensors. Лицензия — Apache-2.0. README не приводит отдельной оценки качества или подробных результатов испытаний. Возможности и языковое покрытие унаследованы от объединённых моделей и могут различаться в зависимости от задачи.

Svanita v0.2 — модель распознавания речи, созданная Прасадом Витталдевом на базе NVIDIA Parakeet TDT. Она принимает аудио и преобразует разговорную речь на телугу и хинди в текст, сохраняя вставленные английские слова латиницей, а слова на индийских языках — в родной письменности. Архитектура включает энкодер FastConformer из 24 слоёв и декодер TDT; модель содержит около 622 млн параметров и предназначена для работы в реальном времени на обычном CPU без GPU. В карточке указана лицензия CC BY 4.0. Модель подходит для транскрибирования разговоров и аудио телефонных линий, особенно как компонент голосового агента, которому нужны транскрипты с код-свитчингом для последующего распознавания намерений, поиска или заполнения форм. При известном языке рекомендуется задавать `--lang`: это предотвращает вывод слов на телугу или хинди в другой индийской письменности. Распознавание быстрее реального времени на приведённой конфигурации, однако точность уступает лучшим открытым распознавателям; модель хуже справляется с чтением вслух и чисто английской речью и не предназначена для дословных транскриптов для чтения человеком.

T3Q-qwen2.5-14b-v1.2-e2 — дообученная модель JungZoona на базе Qwen/Qwen2.5-14B-Instruct-1M. Это плотная авторегрессионная языковая модель с 14 млрд параметров для диалогов и генерации текста; карточка показывает загрузку через Transformers с применением chat template. Модель поддерживает контекст до 1 010 000 токенов и интерфейс вызова инструментов. В метаданных указаны английский и корейский языки. Модель распространяется в формате safetensors по лицензии Apache-2.0. README сообщает о постобучении с LoRA, но не описывает состав обучающих данных и конкретные улучшения качества, поэтому её специализацию сверх диалоговой генерации текста определить нельзя.

Tess-M-v1.2 — экспериментальная версия универсальной большой языковой модели из серии Tess, разработанной migtissera. Модель построена на архитектуре Llama и дообучена на базе Yi-34B-200K; размер составляет около 33,9 млрд параметров, контекст — до 200 000 токенов. Для диалога используется формат с ролями SYSTEM, USER и ASSISTANT. Модель предназначена для генерации текста и общих языковых задач. Версия v1.2 устарела и помечена разработчиком как экспериментальная; в README рекомендуется стабильный выпуск Tess-M-v1.3. Лицензия указана как other, поэтому условия использования следует сверять с лицензией в репозитории.

Thespian-LLaMa-70B — экспериментальная объединённая языковая модель от TareksGraveyard, созданная методом mergekit из нескольких моделей семейства Llama. Для объединения использован метод della, а базой служила nbeerbower/Llama-3.1-Nemotron-lorablated-70B; в состав также вошли модели EVA-UNIT-01, Sao10K, SicariusSicariiStuff и TheDrummer. Модель предназначена для диалогового общения и генерации текста. Она построена на архитектуре LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Репозиторий предоставляет веса в формате safetensors для библиотеки Transformers. Автор описывает результат как удачный, но отмечает, что его другая модель, Progenitor-V1.1-LLaMa-70B, по его мнению, получилась лучше. Модель лицензирована по условиям llama3.3. README не приводит оценки качества или подробные ограничения применения, поэтому результат генерации следует проверять в конкретных сценариях.

Tulu V2.5 DPO 13B HelpSteer — англоязычная языковая модель-помощник от Allen Institute for AI (AI2), предназначенная для диалогов и генерации текста. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом до 4096 токенов. Модель создана на базе allenai/tulu-2-13b: сначала настроена на смеси инструкций и диалогов Tulu V2, затем дообучена методом DPO на наборе HelpSteer для выравнивания ответов по предпочтениям. Подходит для ответов на инструкции, ведения диалога и генерации текста на английском языке. Для диалогов используется шаблон чата, включённый в токенизатор. Модель распространяется по лицензии Apache 2.0. В карточке отмечено, что она не настроена на безопасные ответы и не использует фильтрацию в процессе генерации; поэтому возможны проблемные ответы, особенно при соответствующих запросах.

Tulu V2.5 PPO 13B — англоязычная разговорная модель-помощник, разработанная Allen Institute for AI. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, дообученная на базе allenai/tulu-2-13b с помощью PPO на промптах UltraFeedback и 70-миллиардной reward-модели, обученной на предпочтениях UltraFeedback. Контекст модели составляет 4096 токенов. Модель предназначена для диалогов с помощником, выполнения инструкций и генерации текста общего назначения. В опубликованных оценках она превосходит Tulu 2+DPO 13B по некоторым показателям и показывает конкурентные результаты на тестах Open-Instruct, но уступает более крупной модели на сложных задачах рассуждения. Для качественной генерации следует использовать шаблон чата, предусмотренный токенизатором. Модель принимает текст и генерирует текст на английском языке. Лицензия — Apache 2.0. В RLHF-фазе модель не была специально выровнена для безопасных ответов и не снабжена встроенной фильтрацией, поэтому может выдавать проблемный контент, особенно при соответствующих запросах.

KordAI разработала Typhoon Gemma 3 KordTranslate EN-TH 4B — двунаправленную модель машинного перевода между английским и тайским языками. Это дообученная методом supervised instruction tuning модель typhoon-ai/typhoon2.1-gemma3-4b на архитектуре Gemma 3 с 4 млрд параметров; она принимает текстовые инструкции и выдаёт перевод. Модель предназначена для локализации, перевода документов пакетами, перевода в чат-ботах и образовательных приложениях, а также интеграции через API. В метаданных указано контекстное окно 131072 токена; репозиторий использует формат safetensors. Лицензия — Apache 2.0. Карточка отмечает возможное снижение качества на узкоспециализированных медицинских, юридических и научных текстах. Имена собственные и новые термины следует проверять, а неоднозначные входные фразы могут быть галлюцинированы или перефразированы; для критически важных переводов рекомендуется проверка человеком.

Карточка модели johannhartmann/Wiedervereinigung-WIP на Hugging Face совпадает с карточкой mayflowergmbh/Wiedervereinigung-7b-dpo, поэтому описание составлено по ней. 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.

Xenon-4 — диалоговая языковая модель Xenon1 на архитектуре Mistral, дообученная на Mistral-7B-v0.1 с использованием набора Ultrafeedback и методов из статьи Self-Rewarding Language Models. Модель предназначена для общения по инструкциям и генерации текста; для диалога используется шаблон Mistral с маркерами [INST] и [/INST]. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM, Grouped-Query Attention, Sliding-Window Attention и токенизатор Byte-fallback BPE. Контекст — до 32 768 токенов. Указана поддержка английского языка, формат весов — Safetensors. Лицензия — Apache-2.0. Модель подходит для диалоговых и общих текстовых задач, но карточка не приводит оценок качества или подробных результатов тестирования; ответы следует проверять в задачах, где важна точность.

YamshadowInex12_CalmeInex12 — объединённая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием automerger/YamshadowInex12-7B и automerger/CalmeInex12-7B. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст до 32 768 токенов. В карточке модели не описаны дополнительные специализированные сценарии или поддерживаемые языки. Модель распространяется в формате safetensors по лицензии Apache-2.0. Данных о специальных ограничениях качества или безопасности в карточке нет.

YamT3qm7xp_Strangemerges_30Pastiche — объединённая модель на архитектуре Mistral, созданная из automerger/YamT3qm7xp-7B и automerger/Strangemerges_30Pastiche-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате Safetensors по лицензии Apache 2.0. Сведений о специализации, языках и известных ограничениях в карточке нет.

Zero-Sentiment-0.2M — компактная модель классификации тональности текста, обученная разработчиком fromziro на 189 тысячах примеров из четырёх наборов данных. Она предназначена для определения эмоциональной окраски коротких текстов и выдаёт классы позитивной, нейтральной и негативной тональности с оценками уверенности. Модель содержит около 298 тысяч параметров и использует двунаправленную архитектуру с 12 слоями, GQA, RoPE, RMSNorm и SwiGLU; для токенизации применяется собственный словарь из 1024 токенов. Максимальная длина контекста — 96 токенов. В README приведена точность 70,34% на наборе Yelp Polarity; автор также отмечает, что модель лучше справляется с явно положительными и отрицательными формулировками, чем с тонкими, нейтральными и неоднозначными. Модель подходит для быстрого анализа коротких отзывов и сообщений, когда важны небольшой размер и скорость. Она выпущена под лицензией Apache-2.0.

Behemoth-123B-v2 — чат-модель BeaverAI, созданная на основе Mistral Large Instruct 2411 и объединённая с адаптером. Это плотная авторегрессионная модель семейства Mistral с 122,2 млрд параметров и контекстом до 131 072 токенов; репозиторий содержит веса safetensors. Модель предназначена для диалогов и генерации текста, а шаблон Metharme с системными токенами позволяет задавать системные инструкции. Автор карточки сообщает об улучшениях относительно предыдущей версии, но не приводит количественных оценок. Модель рассчитана на творческие сценарии и общение; качество и устойчивость результатов могут зависеть от формата промпта. Лицензия указана как other, поэтому условия использования следует проверить в материалах репозитория.

Big Tiger Gemma 27B v1 — разговорная языковая модель TheDrummer на архитектуре Gemma 2. По карточке, это версия Gemma 27B с ослабленными отказами; модель предназначена для диалога и генерации текста. Метаданные указывают 27,6 млрд параметров, контекст 8192 токена и формат safetensors. Модель подходит для чат-ответов и свободной генерации текста. README заявляет редкие отказы, однако не приводит результатов оценки, описания обучения или сведений о поддерживаемых языках. Лицензия в предоставленных данных не указана.

Darong/BlueT는 BlueAI가 paust/pko-t5-base 모델을 영어와 한국어 간 번역에 맞게 미세 조정한 T5 v1.1 Base 모델입니다. 영어→한국어와 한국어→영어 양방향 번역을 지원하며, 영어에서 한국어로 번역할 때 높임말을 설정할 수 있습니다. 학습에는 AI Hub 및 자체 구축 데이터가 사용되었으며, README에 영어→한국어 1800만 건 이상, 한국어→영어 1200만 건 이상의 문장 데이터가 указаны. Модель содержит 137,8 млн параметров и распространяется в формате safetensors под лицензией MIT.

Breexe-8x7B-Instruct-v0_1 — диалоговая языковая модель MediaTek Research, дообученная для выполнения пользовательских инструкций на основе Breexe-8x7B-Base, который расширяет Mixtral-8x7B. Модель предназначена прежде всего для традиционного китайского языка, также поддерживает английский. Она подходит для ответов на вопросы, многошагового диалога, суммаризации и работы с RAG-сценариями. Метаданные указывают архитектуру Mixtral с разреженной смесью экспертов (MoE), 7,2 млрд параметров и контекст до 32 768 токенов; в README также приведено значение 8 тыс. токенов, поэтому фактическую длину контекста следует проверять для конкретной конфигурации. Расширенный словарь токенизатора, по данным разработчика, ускоряет обработку традиционного китайского языка относительно Mixtral-8x7B. README сообщает о результатах на бенчмарках китайского и английского языков на уровне GPT-3.5-turbo-1106, но не приводит здесь подробностей измерений. Модель выпущена в версии 0.1 и распространяется по лицензии Apache-2.0. Она не предназначена для обработки изображений или аудио; разработчик также отмечает, что в диалоговом режиме нет специальной обработки вредоносных запросов.

Brunhilde-13b-v1 — языковая модель, созданная слиянием моделей Gryphe/MythoMax-L2-13b и Undi95/ReMM-SLERP-L2-13B. Она предназначена для генерации текста и может использоваться в сценариях продолжения текста и ответов на запросы. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 12,9 млрд параметров и поддерживает контекст до 4096 токенов. В README приведены результаты оценки на наборах AI2 Reasoning Challenge и HellaSwag. Модель распространяется в формате Safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Языки и специализированные области применения в доступных сведениях не указаны.

CatPPT-base — плотная языковая модель Mistral с 7,1 млрд параметров, созданная Rishi Raj. Сначала автор объединил модели OpenChat и NeuralChat методом Gradient SLERP, затем дообучил результат на наборе no_robots для диалогов. Модель предназначена для генерации текста и общения в формате чата; в карточке приведены результаты тестирования на задачах общего понимания, рассуждения и математики. Указанный контекст составляет 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Результаты в README относятся к моменту выпуска в декабре 2023 года и сами по себе не гарантируют качество на других задачах. Карточка не сообщает о специализированной отраслевой направленности.

CroissantLLMChat-v0.1 — чат-модель семейства Llama, разработанная в рамках инициативы CroissantLLM. Это плотная языковая модель с 1,3 млрд параметров, обученная на 3 трлн токенов на английском и французском языках, а затем дообученная для диалогов. Для общения рекомендуется использовать шаблон чата из карточки модели; указанная длина контекста — 2048 токенов. Модель предназначена для диалога, генерации текста и перевода, особенно между французским и английским. Авторы отмечают хорошие для её размера результаты в письменных задачах и работе с внутренними знаниями, а также сильные результаты перевода. Модель распространяется в формате Safetensors под лицензией MIT. Небольшой размер ограничивает сложные рассуждения, особенно без примеров или при малом числе примеров. Возможны фактические ошибки и галлюцинации, особенно по сложным темам; качество на других языках и в программировании ограничено. Данные обучения в основном отражают сведения не позднее ноября 2023 года.

visegradmedia-emotion/Emotion_RoBERTa_polish6 — дообученная модель на базе XLM-RoBERTa для классификации польских текстов по шести категориям эмоций: гнев, страх, отвращение, грусть, радость и отсутствие этих эмоций. Она использует архитектуру XLM-RoBERTa с классификационной головой XLMRobertaForSequenceClassification и содержит 305,2 млн параметров. Модель предназначена для анализа отзывов, сообщений в социальных сетях и других текстов, где нужно определить преобладающую эмоцию. На приведённой в карточке оценке точность составила 0,82, а макроусреднённый F1 — 0,85; особенно сильные результаты указаны для страха, отвращения и радости. Модель хуже справляется с распознаванием гнева и категории «ни одна из эмоций». Контекстное понимание ограничено, а качество может меняться в зависимости от тематики, стиля и длины текста; модель рассчитана на польский язык. Лицензия — MIT.

MaziyarPanahi/Experiment26T3qm7xp_Ognoexperiment27Multi_verse_model — объединённая модель для генерации текста, созданная на основе automerger/Experiment26T3qm7xp-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Она использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка не описывает специализированные сценарии, обучение, языки или дополнительные возможности, поэтому её следует рассматривать как модель общего назначения. Весовые файлы опубликованы в формате Safetensors; лицензия — Apache-2.0.

Experiment28M7_M7T3qm7x — объединённая языковая модель, опубликованная MaziyarPanahi. Она создана слиянием automerger/Experiment28M7-7B и automerger/M7T3qm7x-7B и предназначена для генерации текста и диалогов. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель подходит для генерации продолжений текста и ответов в диалоге. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает целевые языки и специализированные области применения.

MaziyarPanahi/Experiment28T3q_Experiment27Experiment24 — объединённая модель семейства Mistral для генерации текста. Она создана слиянием моделей automerger/Experiment28T3q-7B и automerger/Experiment27Experiment24-7B; архитектура — плотная авторегрессионная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. В карточке указана лицензия Apache-2.0. README не описывает специализированные сценарии или дополнительные возможности, поэтому её следует рассматривать как текстовую генеративную модель общего назначения.

Experiment28T3q_YamM7 — объединённая модель для генерации текста, собранная из automerger/Experiment28T3q-7B и automerger/YamM7-7B. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для сценариев, где требуется генерировать текст по текстовому запросу. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализацию по языкам или прикладным областям, а также не приводит оценок качества и конкретных ограничений.

ClaudioItaly/Fimbulvetr-Cognitive-11B-V3 — плотная языковая модель семейства Llama, созданная автором репозитория с помощью слияния моделей через passthrough mergekit на основе Sao10K/Fimbulvetr-11B-v2. Модель содержит 10,4 млрд параметров, распространяется в формате safetensors и предназначена для генерации текста, включая диалоговые ответы и задачи, требующие рассуждений и связного понимания текста. Указанный размер контекста — 4096 токенов. Карточка заявляет ориентацию на сложные когнитивные задачи, семантическую связность и рассуждения, однако не приводит результатов сравнительных оценок. Базовая модель описана как ориентированная на английский язык, поэтому английский — основной язык применения. Лицензия в предоставленных данных не указана.

Functionary Medium v3.2 — языковая модель команды MeetKai для диалогов с вызовом функций и инструментов. Она основана на Meta-Llama-3.1-70B-Instruct и использует плотную архитектуру LlamaForCausalLM; в репозитории указаны 69,5 млрд параметров и контекст до 131 072 токенов. Модель принимает описания функций в формате JSON Schema, решает, когда вызывать их, и поддерживает последовательные и параллельные вызовы. Она может анализировать результаты инструментов и формировать на их основе ответы, а также отвечать без вызова функций, когда инструменты не нужны. В README также заявлена поддержка code interpreter. Для удобного разбора вызовов функций авторы предоставляют собственный код; запуск рекомендуется через OpenAI-совместимый сервер vLLM. Модель подходит для создания чат-ассистентов, которые обращаются к API, инструментам и интерпретатору кода. Репозиторий содержит веса в формате safetensors, лицензия — MIT. Карточка не сообщает конкретных сведений о языковом покрытии или результатах сравнительных оценок.