III.4Клиентская поддержка и customer success

Карточка модели QueryloopAI/gemma-2b-openhermes на Hugging Face совпадает с карточкой abideen/gemma-2b-openhermes, поэтому описание составлено по ней. abideen/gemma-2b-openhermes — компактная языковая модель для генерации текста, созданная дообучением Google Gemma 2B Instruct с помощью QLoRA на предпочтениях OpenHermes-2.5. Модель использует плотную архитектуру GemmaForCausalLM, содержит 2,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель принимает текстовые запросы и документы, а в ответ генерирует текст. Она предназначена для диалогов, ответов на вопросы и суммаризации; для разговорного режима следует применять встроенный шаблон чата токенизатора. В README заявлена генерация на английском языке. Карточка приводит результаты нескольких бенчмарков, но сама по себе не гарантирует качество на конкретных прикладных задачах. Модель доступна в формате Safetensors для библиотеки Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Severian/Jamba-Nexus-4xMoE — дообученная компанией Severian языковая модель на базе ai21labs/Jamba-v0.1. Она использует гибридную архитектуру Jamba с Mamba, Transformer и смесью экспертов (MoE); заявленный размер — 7,2 млрд параметров. Модель предназначена для генерации текста и может применяться для классификации текста. В метаданных указан датасет Internal-Knowledge-Map и английский язык, что указывает на настройку под работу с внутренними знаниями. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. README не содержит дополнительных сведений о качестве и конкретных ограничениях.

Llama-2-13b-chat-norwegian — модель Ruter AI Lab, созданная дообучением Meta Llama 2 13B Chat на норвежских данных. Это плотная авторегрессионная языковая модель с 12,9 млрд параметров и контекстом до 4096 токенов; доступны веса PyTorch и safetensors. Модель предназначена для понимания и генерации текста на норвежском языке и для диалоговых сценариев с инструкциями. Её можно использовать для ответов на вопросы, суммаризации и работы чат-ассистента на норвежском. В обучении использовались Norwegian Alpaca, 15 тысяч машинно переведённых примеров OpenOrca и небольшой набор собственных инструкций; модель обучалась одну эпоху. Авторы отмечают, что для хороших результатов может потребоваться настройка промптов. Модель обычно лучше справляется с суммаризацией, вопросами и диалогом, чем с задачами, требующими специальных знаний о Норвегии или конкретных областях. Машинный перевод в обучающих данных может содержать грамматические и другие ошибки. Лицензия — Llama 2 Community License; набор Norwegian Alpaca имеет отдельное ограничение на создание моделей, конкурирующих с OpenAI.

Это версия Guanaco на базе Llama 2 с 13 млрд параметров, дообученная автором репозитория на исходной Llama 2 13B с помощью официальных скриптов из проекта QLoRA. Модель предназначена для генерации текста в диалоговом формате Guanaco; в репозитории размещены объединённые веса в формате FP16. Архитектура — плотная LlamaForCausalLM, контекст — 2048 токенов. Карточка указывает английский язык. Модель можно использовать для диалоговых ответов и генерации текста на английском языке. В метаданных также указан тег text-classification, однако описание модели и её причинная языковая архитектура указывают на основное назначение text-generation. Модель подчиняется ограничениям использования исходной Llama 2; конкретный идентификатор лицензии в предоставленных данных отсутствует. Автор не предоставляет гарантий качества или пригодности.

LLaMA3-ENG-KO-8B-SL3 — англо-корейская языковая модель на архитектуре Llama 3, опубликованная 4yo1. Модель дообучена для перевода между английским и корейским языками и поддерживает генерацию текста; в репозитории указаны 7,5 млрд параметров и контекст до 8192 токенов. Модель принимает текст и генерирует текст. Её можно применять для перевода с английского на корейский и обратно, а также для генерации англоязычного или корейского текста. Указан датасет 4yo1/llama3_test1; веса доступны в формате safetensors, лицензия — MIT. Карточка описывает дообучение, однако не уточняет конкретные метрики качества или детали обучающей процедуры. Поэтому пригодность для заданных сценариев следует оценивать на собственных примерах.

LongForm-LLaMA-7B-diff — опубликованная разность весов модели LLaMA 7B, адаптированной авторами набора данных LongForm для генерации длинных текстов по инструкциям. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LLaMA и распространяется в формате PyTorch. Для применения разности необходима исходная предобученная LLaMA 7B; README отмечает, что опубликована именно разность из-за ограничений на распространение моделей LLaMA. Модель предназначена для генерации развернутых текстов по инструкциям: ответов на вопросы, рецептов, писем, историй и стихотворений, а также для суммаризации и исправления грамматики. Обучающий набор LongForm включает англоязычные примеры из разных корпусов и структурированных источников. Метаданные также отмечают поддержку немецкого, итальянского, испанского и французского языков, однако описание обучения и оценки сосредоточено на английском. Авторы сообщают о преимуществах LongForm-моделей в оценке генерации рецептов, ответов на вопросы ELI5 и коротких историй по сравнению с некоторыми моделями, настроенными на инструкции. Модель может галлюцинировать и ограниченно подходит для задач структурированного предсказания. Лицензия в предоставленных данных не указана.

Magnum-12B-v2.5-kto-GGUF — это GGUF-квантизация текстовой генеративной модели magnum-12b-v2.5-kto, разработанной anthracite-org и подготовленной квантизатором bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для диалоговой генерации текста и запуска в локальных приложениях, включая LM Studio. Для общения рекомендуется chat-шаблон с ролями system, user и assistant. Модель поддерживает английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Вариант содержит около 12 миллиардов параметров; архитектура и размер контекста в README не указаны. Доступны версии от F32 размером 49 ГБ до компактных IQ2_M и Q2_K размером около 4,4–4,8 ГБ. Более точные варианты Q6_K_L и Q6_K характеризуются как близкие к исходному качеству, а Q4_K_M предлагается как компромисс между качеством и размером; низкобитные варианты требуют меньше памяти, но заметно уступают по качеству. Сильными сторонами являются широкий набор поддерживаемых языков, несколько уровней квантизации и возможность локального запуска. Ограничения включают отсутствие информации о конкретных бенчмарках, модальностях помимо текста, архитектуре и контекстном окне, а также снижение качества в наиболее компактных вариантах. Лицензия — Apache-2.0.

Magnum v2 32B — диалоговая модель Anthracite, созданная для воспроизведения качества прозы Claude 3 Sonnet и Opus. Она дообучена на Qwen1.5-32B с полным обновлением параметров и настроена на инструкции в формате ChatML. Модель предназначена для диалога, генерации связного текста и ответов на инструкции. В обучении использовались отфильтрованные наборы данных для диалогов, прозы и рассуждений; README указывает два эпоха обучения на восьми ускорителях NVIDIA H100. Архитектура — плотная Qwen2, размер — 31,7 млрд параметров, контекст — до 32 768 токенов. Метаданные указывают поддержку английского и китайского языков. Модель распространяется в формате safetensors по лицензии other; конкретные условия этой лицензии следует проверить на странице репозитория. Оценка в карточке позиционируется как попытка приблизить качество прозы Claude 3, но независимых сравнительных результатов README не приводит.

Kaoeiri/Magnum-v4-Cydonia-v1.3-22B-2 — объединённая разговорная языковая модель на архитектуре Mistral, созданная методом DARE TIES с помощью mergekit. В основу слияния взята anthracite-org/magnum-v4-22b, также включена TheDrummer/Cydonia-22B-v1.3. Модель содержит 22 млрд параметров, использует формат safetensors и рассчитана на генерацию текста и диалоговое взаимодействие с контекстом до 32 768 токенов. Модель подходит для ведения диалогов и генерации связного текста. Метаданные указывают на интерфейс вызова инструментов, но не подтверждают качество или результаты в конкретных сценариях. Базовая модель предназначена для англоязычных диалогов, следования инструкциям и создания прозы. Лицензия в предоставленных данных не указана.

MavenCat — объединённая Джеффери Лавли модель для генерации текста на основе двух моделей: occultml/CatMarcoro14-7B-slerp и jefferylovely/AiMaven-SmartMarc. Она использует архитектуру Mistral с плотной причинной языковой моделью на 7,1 млрд параметров и контекстом до 32 768 токенов. Объединение выполнено методом SLERP с помощью LazyMergekit; в репозитории указаны веса в формате safetensors и тип данных bfloat16. Модель предназначена для генерации текста и диалоговых сценариев на длинном контексте. Карточка не описывает конкретную специализацию, поддерживаемые языки или оценку качества. Лицензия CC BY-NC-ND 4.0 требует атрибуции и ограничивает коммерческое использование и распространение производных версий.

MaziyarPanahi/MeliodasPercival_01_Experiment29Multi_verse_model — объединённая языковая модель, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/Experiment29Multi_verse_model-7B. Она предназначена для генерации текста и диалогов на основе текстовых запросов. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и распространяется в формате Safetensors. Сведения о поддерживаемых естественных языках и специализированных областях применения отсутствуют. Лицензия — Apache-2.0. Карточка не приводит оценок качества или конкретных ограничений; результаты могут различаться в зависимости от запроса и способа использования.

Exveria/merge003 — объединённая языковая модель, созданная с помощью mergekit методом TIES на основе amazingvince/Not-WizardLM-2-7B с включением TFMC/Japanese-Starling-ChatV-7B. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев; базовая Japanese-Starling-ChatV-7B ориентирована на японский язык, однако сведения о языковой поддержке итоговой модели в карточке не уточнены. Модель распространяется в формате safetensors и использует библиотеку Transformers. Веса сохранены в float16. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.

rinna/nekomata-14b-instruction — дообученная по инструкциям версия языковой модели Nekomata-14B от rinna. Это плотная трансформерная модель семейства Qwen с 40 слоями и размером скрытого слоя 5120; в метаданных указан объём 21,8 млрд параметров и контекст до 8192 токенов. Для запросов используется формат Alpaca. Модель предназначена для генерации ответов и выполнения текстовых инструкций на японском и английском языках. При дообучении использовались данные Databricks Dolly, японская версия Dolly, материалы FLAN и японские текстовые датасеты; часть оценочных корпусов была исключена из обучающих данных для предотвращения утечки. Модель работает с текстом и сохраняет формат PyTorch/Safetensors. Модель может быть полезна для диалоговых ассистентов, ответов на вопросы, суммаризации и других задач по текстовым инструкциям. Качество зависит от формулировки запроса и обучающих данных; карточка отсылает к странице бенчмарков rinna, но не приводит результаты непосредственно. Лицензия указана как other, поэтому перед использованием следует проверить условия в карточке Hugging Face.

NeuralsirkrishnaShadow_Inex12Yam — слитая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Inex12Yam-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. Карточка не описывает специализацию, языки или дополнительные возможности, поэтому модель можно характеризовать только как генеративную модель общего назначения.

OmniLing-V1-12b-experimental — языковая модель WoonaAI, созданная SlerpE и secretmoon для перевода между русским и английским языками в обоих направлениях. Это дообученная версия Mistral Nemo Instruct 12B с архитектурой Mistral и 12,1 млрд параметров. Модель предназначена для перевода художественных текстов, датасетов, пользовательских сообщений и описаний; карточка также указывает поддержку диалога и интерфейса вызова инструментов. Заявленная длина контекста — 1 024 000 токенов. Для перевода авторы рекомендуют низкую температуру генерации 0,1–0,3 и нейтральное системное сообщение, а исходный текст передавать в сообщении пользователя. При обучении использовались данные, сгенерированные более сильной моделью. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Helsinki-NLP/opus-mt-en-es — модель машинного перевода English→Spanish из проекта OPUS-MT, разработанная Helsinki-NLP. Это трансформер MarianMT с 58,4 млн параметров; модель использует нормализацию и токенизацию SentencePiece с словарями spm32k. Она предназначена для перевода текстов с английского на испанский. В README приведены результаты на тестовых наборах новостных текстов: BLEU 29,7–31,0 и chr-F 0,564–0,583. Модель принимает текст на английском и выдаёт текст на испанском. Её можно применять для перевода документов, новостных материалов и пользовательских текстов. Указанная длина контекста — 512 токенов. Модель доступна в форматах PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0. Показатели на новостных тестах не гарантируют такого же качества на текстах других жанров; направление перевода ограничено английским → испанским.

Ornith-Agents-A1-3.7-35B-A3B-dare_ties — мультимодальная диалоговая модель, созданная tepirale слиянием моделей через mergekit по методу DARE TIES. В основе лежит Qwen/Qwen3.6-35B-A3B; также объединены InternScience/Agents-A1 и deepreinforce-ai/Ornith-1.0-35B. Модель рассчитана на диалог и анализ изображений и использует архитектуру Qwen3.5 MoE с генерацией текста по текстовому и визуальному контексту. Веса опубликованы в формате safetensors и имеют тип bfloat16 согласно конфигурации слияния. Метаданные относят модель к задаче image-text-to-text и отмечают возможности chat и vision. Лицензия в предоставленных сведениях не указана.

Kaoeiri/Qwenwify-32B-v2.6 — плотная языковая модель семейства Qwen2, созданная слиянием нескольких предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве основы автор README указывает unsloth/qwen2.5-32b; в метаданных также перечислены несколько моделей-участниц слияния, включая варианты Qwen2.5-32B для инструктивных и ролевых диалогов. Модель предназначена для генерации текста и диалоговых сценариев. Размер составляет 32 млрд параметров, архитектура — Qwen2ForCausalLM, заявленная длина контекста — 131 072 токена. Репозиторий использует библиотеку Transformers и формат safetensors. Карточка не сообщает результаты оценки качества, подробные рекомендации по использованию или языковой охват. Лицензия в предоставленных данных не указана.

Reviews-Sentiment-Analysis — модель Kaludi для классификации тональности отзывов о товарах и услугах на положительные и отрицательные. Она предназначена для оценки удовлетворённости клиентов и анализа обратной связи о продукте или сервисе. Модель построена на архитектуре DeBERTa-v2, содержит 211,6 млн параметров, принимает текст и поддерживает контекст до 512 токенов. В README приведены метрики проверки: accuracy 0,952 и F1 0,951. Карточка связывает модель с англоязычным датасетом отзывов; лицензия в доступных данных не указана.

Sahya-7B-slerp — текстовая генеративная модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit. Она получена слиянием методом SLERP моделей AIDC-ai-business/Marcoroni-7B-v3 и EmbeddedLLM/Mistral-7B-Merge-14-v0.1; в конфигурации указана базовая модель AIDC-ai-business/Marcoroni-7B-v3. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Данных о специальных предметных областях, языках или дополнительных возможностях в предоставленных источниках нет. Лицензия — Apache-2.0.

dnzblgn/Sentiment-Analysis-Customer-Reviews — англоязычная модель классификации тональности отзывов покупателей, созданная на основе microsoft/deberta-v3-base и дообученная для бинарного определения положительной или отрицательной оценки текста. Она предназначена для анализа отзывов о товарах, например для автоматической сортировки откликов и мониторинга удовлетворённости клиентов. Модель построена на архитектуре DeBERTa v3 Base и содержит 306 млн параметров. Она принимает текст и выдаёт метку класса с оценкой уверенности; максимальная длина контекста — 512 токенов. В README приведены результаты на подмножестве датасета Amazon Reviews: accuracy 0,98, precision 0,98, recall 0,99 и F1 0,98. Эти показатели относятся к описанной оценке и не гарантируют такое же качество на других источниках отзывов. Лицензия — Apache-2.0.

Это объединённая языковая модель yuhengtu-bytedance, созданная с помощью mergekit методом Linear merge. В качестве основы использован чекпойнт global_step11000, объединённый с чекпойнтами global_step7000, global_step8000, global_step9000 и global_step10000 из серии baseline_filtered. Архитектура — плотная GPT-NeoX для генерации текста, размер — 8,8 млрд параметров, формат весов — safetensors; заявленная длина контекста составляет 16 384 токена. Модель предназначена для генерации текста. Карточка не уточняет специальные прикладные сценарии, языки, результаты оценки качества или условия использования. Лицензия в предоставленных данных не указана.

Smoothie-Qwen3-30B-A3B — вариант Qwen3-30B-A3B с настройкой вероятностей токенов для более сбалансированной многоязычной генерации. В README указаны параметры сглаживания: минимальный коэффициент 0,5, smoothness 10, выборка из 1000 элементов, окно размером 4 и веса n-грамм 0,5/0,3/0,2; перечислены диапазоны Unicode, связанные с обработкой китайских иероглифов и знаков. Метаданные классифицируют модель как генеративную MoE-архитектуру Qwen3 на Transformers с 2,6 млрд параметров и контекстом 40 960 токенов; доступны интерфейсы чата и вызова инструментов. Базовая модель — Qwen/Qwen3-30B-A3B, лицензия Apache-2.0. README не уточняет языки, помимо общего упоминания многоязычной генерации, и не приводит результатов сравнительной оценки.

SunflowerASR-51-african-languages — модель распознавания речи от Sunbird AI, адаптация Whisper large-v3 для 51 широко используемого в Африке языка, включая английский и французский с африканскими акцентами. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0. Модель предназначена для транскрибации аудио: мониторинга СМИ, анализа звонков и отзывов граждан, голосовых интерфейсов и использования в конвейерах перевода речи. Обучение включало дообучение всех параметров на 7 412 часах африканской речи и этап GRPO, оптимизирующий частоту ошибок символов. Авторы сообщают о сильных результатах на трёх бенчмарках, однако качество заметно различается между языками. Для каждого аудиофрагмента язык нужно задать при декодировании — автоматического определения языка нет. Модель не переводит, не выдаёт временные метки или метки говорящих. Фрагменты длиннее 30 секунд необходимо разбивать. На шумной, спонтанной, перекрывающейся или смешанной по языкам речи точность может снижаться; результаты транскрибации для важных решений требуют проверки человеком.

MaziyarPanahi/T3qm7xNeuralsirkrishna_Strangemerges_32Inex12 — объединённая языковая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Strangemerges_32Inex12-7B. Она предназначена для генерации текста и диалогов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. В карточке указана лицензия Apache-2.0. Карточка не описывает специальные прикладные области, языки или дополнительные возможности. Поэтому область применения следует оценивать как общее текстовое взаимодействие; качество и ограничения конкретных сценариев из доступных сведений определить нельзя.

Tiger Gemma 9B v2 — разговорная языковая модель на базе Gemma 2 с 9 млрд параметров и архитектурой плотного декодера Gemma2ForCausalLM. Автор описывает её как версию Gemma 9B с ослабленными ограничениями на ответы; вариант v2 использует более мягкую настройку, сохраняя поведение исходной Gemma насколько возможно. Модель предназначена для генерации текста и диалогов. Контекст составляет 8192 токена. В карточке указаны формат safetensors и возможность чата. Модель создана TheDrummer; базовая модель Gemma 2 в README прямо не идентифицирована, поэтому точный исходный репозиторий установить нельзя. Автор сообщает, что модель обычно не отказывает в ответах, однако не приводит оценок качества или подробностей обучения. Лицензия в предоставленных данных не указана.

Модель exonics/trendyol_28eylul_mlflow_deneme — дообученная текстовая модель семейства Llama, разработанная exonics на основе Trendyol/Llama-3-Trendyol-LLM-8b-chat-v2.0. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает отдельную специализацию или дополнительные языки помимо английского, поэтому её возможности следует рассматривать как общие для генерации текста и чата.

Whisper-large-v3-turbo Russian Stage AW — это дообученная Coriollon модель распознавания речи на базе openai/whisper-large-v3-turbo. Она специализируется на русском языке, сохраняя поддержку английского, и предназначена для преобразования аудио в текст с пунктуацией и заглавными буквами. Архитектура — WhisperForConditionalGeneration, размер — 905,2 млн параметров. Модель особенно нацелена на длинные разговорные фрагменты: дообучение уменьшает потерю пунктуации во второй половине длинных реплик и встреч. Для Stage AW указаны совокупный WER 9,07% и рост плотности пунктуации в длинных репликах примерно в 2,7–2,9 раза относительно предыдущей версии. Репозиторий также содержит вариант faster-whisper с квантизацией int8 и вычислениями fp16. Модель распространяется по лицензии Apache-2.0. Ограничения: на короткой чистой речи качество пунктуации может быть ниже, чем у предыдущей версии, а на очень коротких фрагментах короче трёх секунд возможна избыточная пунктуация. Качество распознавания английской речи унаследовано от предыдущей версии и уступает исходной Whisper Turbo.

WiroAI/wiroai-turkish-llm-9b — текстовая диалоговая модель WiroAI для генерации и преобразования текста на турецком языке. Это дообученная методом SFT модель Google Gemma 2 9B с архитектурой decoder-only transformer; в README указано, что при настройке использовался LoRA без квантизации и более 500 тысяч турецких инструкций. Модель содержит 9 млрд параметров, работает с контекстом до 8192 токенов и распространяется в формате safetensors по лицензии Gemma. Модель предназначена для ответов на вопросы, суммаризации, редактирования и анализа текста, а также задач, требующих знания турецкого языка, культуры и местного контекста. README приводит результаты на турецких вариантах бенчмарков MMLU, TruthfulQA, ARC, HellaSwag, GSM8K и WinoGrande. Для лучших результатов рекомендуется давать ясные структурированные инструкции; ответы следует проверять в критичных сценариях, а ресурсы оценивать перед развёртыванием. В карточке заявлена поддержка турецкого и других распространённых языков, но отдельные языки помимо турецкого не перечислены.

YamT3qm7xp_Inex12Strangemerges_30 — объединённая модель Mistral для генерации текста, созданная на основе automerger/YamT3qm7xp-7B и automerger/Inex12Strangemerges_30-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текстовый контекст длиной до 32 768 токенов. Модель предназначена для генерации текста. Сведения в карточке не уточняют её специализацию, языки или отдельные сценарии применения. Веса опубликованы в формате Safetensors; лицензия — Apache-2.0.