III.4Клиентская поддержка и customer success

zephykor-ko-beta-7b-chang-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.1 и lcw99/zephykor-ko-beta-7b-chang методом SLERP. Модель содержит 7,1 млрд параметров, представлена в формате safetensors, использует тип данных bfloat16 и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на инструкции и диалоговые запросы. В карточке указаны корейский и английский языки; базовая Mistral-7B-Instruct-v0.1 служит основой для работы с инструкциями и чатом. Репозиторий распространяется по лицензии Apache-2.0.

Amadeus-Verbo-BI-Qwen-2.5-32B-PT-BR-Instruct-Experimental — языковая модель на базе Qwen2.5-32B, дообученная разработчиками Amadeus AI на 600 тысячах инструкций за два эпоха. Модель предназначена для диалоговой генерации текста и следования инструкциям на бразильском португальском языке. Это плотная Transformer-модель с архитектурой Qwen2, 32 млрд параметров по метаданным (в README указано 32,5 млрд), контекстом до 131 072 токенов и весами в формате Safetensors. Для загрузки используется библиотека Transformers; карточка также отмечает интерфейс вызова инструментов. Модель может подойти для длинных диалогов и задач, где нужен бразильский вариант португальского. Лицензия — Apache-2.0. Опубликована как экспериментальная версия; качество и пригодность для конкретных приложений следует проверять на целевых данных. Карточка не приводит подробностей о составе обучающего набора или результатах оценки.

hilariooliveira/bertimbau_base — дообученная модель классификации текста на основе neuralmind/bert-base-portuguese-cased. Она использует архитектуру BERT с примерно 136,1 млн параметров и принимает последовательности длиной до 512 токенов. По карточке модели, на оценочном наборе получены loss 0,1139 и F1 0,9310. Назначение модели — классификация текстов; конкретные классы, данные обучения и сценарии применения не описаны. Модель распространяется по лицензии MIT.

keyfan/bloomz-rlhf — экспериментальная чат-модель на архитектуре BLOOM, созданная как попытка воспроизвести конвейер обучения с подкреплением на основе отзывов людей (RLHF). В качестве базовой модели использована bigscience/bloomz-7b1-mt; модель содержит около 9,1 млрд параметров и поддерживает контекст до 2048 токенов. Модель прошла supervised fine-tuning на наборах диалоговых и инструкционных данных, затем обучение reward model и этап reinforcement learning с использованием trlx. Она предназначена для генерации ответов в диалоге, выполнения инструкций, суммаризации, вопросов и ответов, перефразирования и генерации текста. В README приведён результат оценки на китайском наборе BELLE; языки карточки — китайский и английский. Это попытка воспроизведения RLHF, поэтому приведённые оценки не гарантируют качество на других задачах и языках. Лицензия — BigScience BLOOM RAIL 1.0; перед применением следует учитывать её условия и ограничения.

BreznChatML — экспериментальная разговорная модель johannhartmann на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Автор описывает эксперимент с датасетом DPO по математике, дополненным немецким переводом. По его оценке, эксперимент снизил способность модели решать математические задачи; в приведённых результатах оценки составляют 2,65 по математике, 4,6 по рассуждениям и программированию, 8,425 по письму. Модель распространяется в формате safetensors по лицензии Apache-2.0.

timpal0l/dolphin-2.9-llama3-8b-flashback — объединённая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она предназначена для генерации текста и запускается через библиотеку Transformers; заявленный контекст составляет 8192 токена. Модель объединяет dolphin-2.9-llama3-8b и Llama-3-8B-flashback-v1. В метаданных перечислены шведский, датский, норвежский и английский языки. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Модель можно использовать для генерации ответов и продолжения текста на поддерживаемых языках. Карточка не приводит результатов оценки качества или подробных ограничений, поэтому пригодность для конкретных задач следует проверять самостоятельно.

ELYZA-japanese-Llama-2-13b-fast-instruct — японская языковая модель на архитектуре Llama 2, разработанная командой ELYZA. Модель основана на Llama 2 и прошла дополнительное предварительное обучение для расширения возможностей работы с японским языком; вариант instruct предназначен для генерации ответов по инструкциям и диалоговых запросов. Модель имеет около 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, генерируя текст. Контекст составляет до 4096 токенов. В карточке также указана поддержка английского языка. Репозиторий содержит веса PyTorch и распространяется по лицензии Llama 2. README не сообщает о специальных предметных областях или ограничениях качества.

Eros_Scribe-10.7b-V.02 — объединённая языковая модель, созданная OmnicromsBrain с помощью LazyMergekit из OmnicromsBrain/ToppyCox-7B и OmnicromsBrain/EverythingBagel-DPO-7B. Веса объединены методом passthrough: в итоговую модель включены слои 0–24 первой модели и слои 8–32 второй. Модель построена на архитектуре Mistral и содержит около 10,6 млрд параметров. Модель предназначена для генерации текста и диалогов; базовые модели также описаны как подходящие для творческого ролевого общения. Поддерживается контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors с точностью float16. Лицензия в предоставленных данных не указана.

fast-ukrainian-asr-600m — украинская модель распознавания речи, созданная дообучением 600-миллионного мультиязычного SSL-энкодера GigaAM и адаптированная для телефонного аудио. Она предназначена для преобразования украинской речи в текст, в том числе в телефонных записях с частотой 8 кГц после передискретизации до 16 кГц. Модель использует CTC-архитектуру с символьной выходной головой на 38 классов; принимает монофонический звук с частотой 16 кГц и выдаёт текст. По результатам авторского сравнения модель особенно хорошо распознаёт начитанную речь, в том числе аудио в телефонном канале, но слабее справляется со спонтанной разговорной речью. Она предназначена только для украинского: русский язык не поддерживается. Вывод не содержит пунктуации и заглавных букв, а числа записываются словами. По оценке авторов, на CPU модель требует примерно в 2,4 раза больше времени, чем вариант на 220 млн параметров. Лицензия — MIT.

Модель zaddyzaddy/final-soro разработана zaddyzaddy как дообученная версия unsloth/llama-3-8b-bnb-4bit. Это плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров для генерации текста. В метаданных указано окно контекста 8192 токена; модель опубликована в формате PyTorch и лицензирована по Apache-2.0. Модель подходит для генерации продолжений текста и других сценариев, сводящихся к текстовой генерации. Карточка сообщает об обучении с использованием Unsloth и TRL, но не описывает специализацию, обучающие данные или результаты оценки качества, поэтому нельзя уверенно выделить более узкие сценарии применения.

Flora7B-laser — модификация ResplendentAI/Flora_7B, созданная с применением LaserRMT (layer-selective rank reduction). Она сохраняет архитектуру MistralForCausalLM с 32 слоями, а веса изменены по сравнению с базовой моделью; это не квантизация и не конвертация формата. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Базовая модель описана как англоязычная. Модель подходит для генерации текста на основе текстового запроса и продолжения текста. Точная конфигурация LaserRMT — какие слои и до какого ранга были сокращены — в репозитории не задокументирована. Лицензия — CC BY-SA 4.0, унаследованная от базовой модели.

Jkatdare/gemma-3-4b-it-finetome — дообученная модель на базе Google Gemma 3 4B IT, созданная методом supervised fine-tuning на высококачественной выборке из 12 000 примеров датасета FineTome-100k. Для обучения применялась QLoRA, после чего адаптер был объединён с базовой моделью; репозиторий содержит веса Safetensors. Модель предназначена для диалогов и генерации ответов на текстовые запросы, а также поддерживает работу с изображениями через интерфейс Gemma 3. Модель использует плотную архитектуру Gemma 3 и доступна через Transformers. В метаданных указан английский язык. Лицензия — Gemma. Карточка не приводит оценок качества или подробных результатов тестирования; способность работать с изображениями унаследована от базовой модели и отдельно для этого дообучения не оценивается.

GoblinGLMV02 — чат-модель TheKloakedSignal на базе Google Gemma 3 27B. В карточке указана базовая модель google/gemma-3-27b-pt, а метаданные классифицируют репозиторий как генеративную текстовую модель с возможностью диалога. Модель предназначена для генерации ответов и ведения беседы на основе текстовых запросов. Весовые файлы представлены в формате Safetensors, библиотека для работы — Transformers. В README нет сведений о размере опубликованного чекпойнта, поддерживаемых языках, длине контекста или специализированных сценариях применения. Указана лицензия Gemma; условия использования следует сверять с её текстом.

GOOD-4x1b — языковая модель для генерации текста и диалогов, созданная Shaurya25 с помощью набора VortexMerge. Это MoE-модель семейства Mixtral, объединяющая экспертов на основе OEvortex/HelpingAI-unvelite, OEvortex/lite-hermes, OEvortex/HelpingAI-Lite и OEvortex/HelpingAI-Lite-1.5T. В конфигурации указаны базовая модель OEvortex/HelpingAI-Lite, тип данных float16 и маршрутизация cheap_embed; README связывает экспертов с ролями общего ассистента, помощника по коду и ассистента с менее ограниченным поведением. Модель предназначена для диалогового общения, ответов на запросы и генерации кода. Метаданные указывают 1 млрд параметров и контекст 2048 токенов. Репозиторий содержит веса safetensors, модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробных ограничений; короткий контекст ограничивает работу с длинными входными текстами.

GPT-fr-cased-base — франкоязычная авторегрессионная модель генерации текста на архитектуре GPT-2, разработанная Quantmetry и Laboratoire de Linguistique Formelle (LLF). Она обучена на большом разнородном корпусе французских текстов, включающем Wikipedia, OpenSubtitles, Gutenberg и Common Crawl. Модель имеет 24 слоя, 14 голов внимания, размерность эмбеддингов 1 792 и около 1,017 млрд параметров; контекст составляет 1 024 токена. Доступны веса для PyTorch, TensorFlow и Flax. Модель предназначена для генерации текста на французском языке и может применяться в сценариях, где ответ формируется естественным языком, например для суммаризации и ответов на вопросы. В описанном авторами тесте на французском Wikipedia модель показала perplexity 12,9. Она может воспроизводить предвзятости обучающих данных и создавать оскорбительный контент. Лицензия — Apache-2.0.

Yoesph/Haphazard-v1.1-24b — объединённая языковая модель, созданная с помощью mergekit методом Model Stock на основе arcee-ai/Arcee-Blitz с добавлением TheDrummer/Cydonia-24B-v2.1, ReadyArt/Forgotten-Safeword-24B-V3.0 и PocketDoc/Dans-PersonalityEngine-V1.2.0-24b. Разработчик — Yoesph. Модель построена на архитектуре Mistral и содержит 23,4 млрд параметров. Она предназначена для генерации текста и диалогов, с акцентом на ролевые сценарии, следование инструкциям и общие языковые задачи. Контекстное окно составляет 32 768 токенов; модель принимает текст и выдаёт текст. В карточке указана лицензия; её конкретный тип в предоставленных данных отсутствует. Объединение нескольких моделей с разными настройками может давать вариативные результаты, а из-за включения модели, обозначенной как uncensored, ответы могут содержать взрослый или иной нежелательный контент.

ConvexAI/Harmony-4x7B-bf16 — языковая модель ConvexAI для генерации текста, созданная слиянием нескольких моделей в архитектуру Mixture of Experts (MoE). В README перечислены jan-hq/supermario-v2 как базовая модель и два эксперта, а также ConvexAI/Metabird-7B и alnrg2arg/test3_sft_16bit как дополнительные эксперты. Указан формат safetensors, размер около 7,1 млрд параметров и контекст до 32 768 токенов; модель предназначена для работы с текстом на английском языке. Автор сообщает, что модель показала сильные результаты в рассуждениях, логике и ролевом взаимодействии, но не приводит количественных оценок. README также поясняет, что маршрутизатор в этой MoE-сборке не обучался одновременно с моделью. Как и другие MoE-модели, она требует памяти для загрузки всех параметров, даже если при генерации активируется только часть экспертов. Лицензия — Apache 2.0.

harpertoken/harpertokenConvAI — англоязычная модель на базе DistilBERT для извлечения ответов на вопросы по заданному контексту. В карточке указано обучение на Stanford Question Answering Dataset (SQuAD); модель предназначена для понимания вопроса и контекста и выдачи точного ответа. Её можно применять для поиска ответов в текстах и контекстных диалоговых сценариях. Модель использует архитектуру DistilBertForQuestionAnswering, принимает текст и выдаёт текстовый ответ. Размер контекстного окна — до 512 токенов. Метаданные указывают форматы PyTorch и Safetensors, лицензию MIT. В карточке приведены показатели Exact Match 75% и F1 85% на SQuAD.

HelpingAI-Lite-2x1B — англоязычная диалоговая модель генерации текста, разработанная OEvortex как дообучение HelpingAI-Lite. Она использует архитектуру Mixtral с механизмом смеси экспертов (MoE), содержит 1 млрд параметров и поддерживает контекст длиной до 2048 токенов. Модель предназначена для диалогов и генерации текста; в карточке также заявлено превосходство по точности над HelpingAI-Lite при немного более низкой скорости. Модель распространяется в формате Safetensors для библиотеки Transformers. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией репозитория.

Human-Like-Llama3-8B-Instruct — диалоговая языковая модель HumanLLMs, дообученная на основе meta-llama/Meta-Llama-3-8B-Instruct для генерации более естественных, разговорных ответов. При дообучении применялись LoRA и Direct Preference Optimization (DPO); для общения используется шаблон чата Llama 3. Модель предназначена для диалогов и генерации ответов с более естественной манерой общения и согласованностью беседы. Обучающие примеры охватывают 256 тем, включая технологии, повседневную жизнь, науку, историю и искусство. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM, работает с текстом и имеет контекстное окно 8192 токена. Базовая модель ориентирована на английский язык; карточка не заявляет отдельную поддержку других языков. В опубликованном сравнении результат Human-Like варианта ниже исходной модели по среднему показателю и по IFEval, BBH, MATH Lvl 5 и GPQA, при этом выше по MuSR и MMLU-PRO. Это указывает на компромисс между разговорной манерой и рядом оценённых способностей, а не на общее улучшение качества. Модель распространяется по лицензии Llama 3; её условия следует учитывать при использовании.

Hunyuan-MT-Chimera-7B — ансамблевая модель перевода от Tencent, входящая в семейство Hunyuan Translation. Она объединяет несколько вариантов перевода в итоговый текст, чтобы повысить его качество. Модель предназначена для взаимного перевода между 33 языками, включая пять языков национальных меньшинств Китая; среди перечисленных в карточке языков — китайский, английский, русский, японский, арабский и другие. Модель построена на плотной причинной архитектуре Hunyuan V1 и содержит 7,5 млрд параметров. Она принимает текст и генерирует перевод; для неё заявлено контекстное окно 32 768 токенов. В карточке отмечены высокие результаты семейства на конкурсе WMT25, однако отдельные численные результаты именно Chimera не приведены. Для загрузки доступны веса Safetensors, а для работы указана библиотека Transformers. Лицензия в предоставленных данных не указана.

Indic Translate — модель Bodhan AI для перевода между английским и 22 языками Индии, включая все языки Восьмого приложения к Конституции Индии. Это дообученная версия google/gemma-4-E4B-it; модель работает через Transformers и распространяется в формате Safetensors. Метаданные указывают лицензию «other», поэтому условия использования следует проверять в карточке репозитория. Модель принимает инструкцию с целевым языком и исходный текст. Она предназначена для перевода предложений и целых документов длиной до 32 768 токенов, сохраняя структуру абзацев, заголовков, списков, таблиц и разметки. Также поддерживает перевод с романизированной записью индийских языков, транслитерацию между латинской и родной письменностью, а также перевод текста со смешением английского и индийского языка. Модель ориентирована на перевод, а не на универсальный диалог. Поддерживаются 22 индийских языка и английский, с вариантами письменности для отдельных языков. Качество может различаться в зависимости от языка и направления перевода; README приводит оценки по языкам, но не описывает их как гарантию качества.

Ingot-7b-slerp-4 — объединённая модель семейства Mistral, созданная методом slerp с помощью LazyMergekit из 222gate/Blurred-Beagle-7b-slerp и andrijdavid/Macaroni-7b-Tied. Она предназначена для генерации текста и диалогового взаимодействия; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Карточка не описывает специальные предметные области или дополнительные возможности помимо генерации текста и чата. Базовые модели каталога ориентированы на генерацию англоязычного текста. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-PRP-v26-8B — текстовая генеративная модель, созданная jaspionjader с помощью mergekit. Веса двух предварительно обученных моделей, jaspionjader/Kosmos-EVAA-TSN-v21-8B и jaspionjader/Kosmos-EVAA-PRP-v25-8B, объединены методом SLERP; архитектура — плотная Llama с 7,5 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Она использует библиотеку Transformers и поддерживает контекст до 8192 токенов. Карточка не описывает специализированную область применения или конкретные языки. Репозиторий распространяет веса в формате safetensors; лицензия в предоставленных данных не указана.

unsloth/LFM2.5-1.2B-Instruct-GGUF — квантизированная GGUF-версия текстовой instruction-tuned модели LFM2.5-1.2B-Instruct, разработанной Liquid AI и подготовленной для локального развёртывания с использованием Unsloth. Модель предназначена для llama.cpp и совместимых инструментов, оптимизирована для CPU-инференса и работы на периферийных устройствах с ограниченными ресурсами. Модель содержит 1,17 млрд параметров, 16 слоёв, включая 10 double-gated LIV convolution blocks и 6 GQA blocks, поддерживает контекст до 32 768 токенов и словарь из 65 536 токенов. Это текстовая модель без поддержки изображений или аудио; заявлены английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Она рекомендована для агентских сценариев, извлечения данных и RAG, поддерживает вызов функций и ChatML-подобный шаблон диалога. К сильным сторонам относятся небольшой размер, низкие требования к памяти, высокая скорость инференса на CPU и мобильных NPU, а также возможность запуска менее чем с 1 ГБ памяти. Модель не рекомендуется для задач, требующих обширных фоновых знаний, и для программирования. Репозиторий указывает лицензию lfm1.0; формат GGUF снижает требования к ресурсам, но является квантизированной версией исходной модели.

LINCE-ZERO — испаноязычная инструкционная языковая модель Clibrain для генерации текста и выполнения запросов на естественном языке. Это декодерная авторегрессионная модель архитектуры Falcon, дообученная на 80 тысячах примеров из закрытого набора, созданного по образцу Alpaca и Dolly. В README указано 7 млрд параметров, тогда как метаданные Hugging Face указывают 10,9 млрд; размер модели в источниках расходится. Модель предназначена для прямого использования в виртуальных ассистентах, генерации контента и других общих задачах на испанском языке. Среди поддерживаемых сценариев также заявлены классификация текста и токенов, ответы на вопросы и генерация текста. Она использует библиотеку Transformers и опубликована под лицензией Apache 2.0. Качество модели оценено не полностью: авторы сообщают, что результаты оценки будут опубликованы позднее. Возможны галлюцинации, токсичные высказывания и стереотипы; ответы следует проверять. README не рекомендует применять модель в production без предварительной оценки рисков и мер по их снижению.

Модель kp15/llama3-1b-changes_model07012025 — плотная авторегрессионная модель семейства Llama, разработанная kp15 и дообученная на основе kp15/llama3-1b-changes_model06012025 с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста на английском языке и может использоваться в приложениях, которым нужны ответы или продолжения текста. Модель содержит 1,2 млрд параметров, имеет контекст длиной до 131 072 токенов и распространяется в формате PyTorch. Модель выпущена под лицензией Apache-2.0. Карточка не сообщает о специализации на конкретных областях или об оценке качества; небольшое число недавних загрузок также не даёт оснований судить о её надёжности в прикладных сценариях.

Mudassir-75/Llama-3.2-3B-Instruct-ENG-FR-v3 — дообученная разговорная языковая модель семейства Llama, разработанная Mudassir-75 на основе Mudassir-75/Llama-3.2-3B-Instruct-ENG-FR-v2. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и 3,2 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В карточке указано обучение с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Метаданные карточки отмечают английский язык, а имя базовой модели указывает на англо-французскую направленность. Весы доступны в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей сценариев обучения, поэтому пригодность для конкретных задач стоит проверять отдельно.

Llama-3-8B-Instruct-Portuguese-v0.3 — языковая модель на архитектуре Llama, предназначенная для генерации текста на португальском языке. Модель содержит 7,5 млрд параметров, использует формат Safetensors и поддерживает контекст до 8192 токенов. В карточке указан датасет adalbertojunior/openHermes_portuguese. Модель можно применять для генерации ответов и диалогового текста на португальском языке. Она создана на основе семейства Llama 3 и ориентирована на инструкции, однако доступные сведения не уточняют способ её обучения или конкретные результаты оценки качества. Лицензия в предоставленных данных не указана.

Llama-3-ELYZA-JP-8B — языковая модель компании ELYZA, построенная на базе Meta-Llama-3-8B-Instruct. Разработчики адаптировали её для японского языка с помощью дополнительного предварительного обучения и настройки на инструкциях. Модель использует плотную архитектуру Llama и содержит 7,5 млрд параметров; для работы с контекстом доступно до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев на японском языке, также в метаданных указана поддержка английского. Её можно применять для ответов на вопросы, ведения диалога и создания японских текстов. Модель распространяется в формате safetensors по лицензии llama3; применяются условия лицензии Meta Llama 3.