III.4Клиентская поддержка и customer success

NeuralMahou — объединённая языковая модель на основе Llama 3, созданная автором lemon07r с помощью mergekit и метода Model Stock. В объединение вошли flammenai/Mahou-1.2-llama3-8B, nbeerbower/llama-3-spicy-abliterated-stella-8B и базовая mlabonne/NeuralDaredevil-8B-abliterated. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; длина контекста — 8192 токена. Модель предназначена для генерации текста и диалогов, включая ролевые сценарии. В карточке приведены результаты оценки на задачах рассуждения и языкового моделирования, но они не гарантируют качество в конкретных сценариях. Модель описана как имеющая меньше поведенческих ограничений; это не подтверждает пригодность для всех типов запросов. Лицензия — Llama 3.

MeliodasPercival_01-7B — автоматически объединённая модель для генерации текста, созданная Maxime Labonne на основе AurelPx/Meliodas-7b-dare и AurelPx/Percival_01-7b-slerp. В README указан метод слияния SLERP и тип точности bfloat16; архитектура — плотная Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Карточка не приводит отдельных оценок качества или подробного описания языковой специализации. Распространяется под лицензией Apache-2.0.

MaziyarPanahi/MeliodasPercival_01_Strangemerges_32Experiment28 — объединённая модель семейства Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32Experiment28-7B. Она предназначена для генерации текста и диалогов, а контекст может достигать 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализации на конкретных областях или языках. Качество, поведение и ограничения объединённой модели отдельно не описаны.

fyaronskiy дообучил ModernBERT-large на наборе GoEmotions для многометочной классификации эмоций в английском тексте. Модель находит несколько эмоций одновременно или проверяет наличие заданных эмоций; она построена на архитектуре ModernBERT и содержит 394,7 млн параметров. Нативный контекст — до 8192 токенов. Для исходной модели доступны веса Safetensors и версия ONNX, а также квантованная до INT8 версия ONNX. По результатам автора, ONNX ускоряет инференс примерно в 1,6 раза при сопоставимом качестве, а INT8 — примерно в 2,5 раза с небольшим снижением макро-F1. Качество заметно различается между классами: модель лучше распознаёт некоторые частые эмоции, тогда как редкие классы, например разочарование и осознание, даются ей хуже. Лицензия — MIT.

NeuralsirkrishnaShadow_YamM7 — языковая модель, созданная слиянием моделей automerger/NeuralsirkrishnaShadow-7B и automerger/YamM7-7B. Она предназначена для генерации текста и запускается как причинная модель Mistral с плотной архитектурой на 7,1 млрд параметров. Модель принимает текстовые запросы и генерирует текст. Контекстное окно составляет 32 768 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. Сведений о специализации, поддерживаемых языках или дополнительных возможностях в доступных источниках нет.

OpenBuddy-openllama-7b-v5-fp16 — версия многоязычного чат-бота OpenBuddy, разработанного проектом OpenBuddy. Модель построена на плотной архитектуре LLaMA с классом LlamaForCausalLM и содержит 6,6 млрд параметров; опубликована в формате PyTorch с лицензией Apache-2.0. Модель предназначена для диалогов и генерации текста. В карточке заявлена поддержка китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. Длина контекста составляет 2048 токенов. OpenBuddy может выдавать ошибочные, вредные или оскорбительные ответы. Разработчики не рекомендуют использовать её в критических сценариях, включая медицину, управление потенциально опасными системами и важные финансовые или юридические решения.

Карточка модели Hans-Mueller/opus-mt-tc-big-en-ko на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-tc-big-en-ko, поэтому описание составлено по ней. Модель Helsinki-NLP/opus-mt-tc-big-en-ko разработана Language Technology Research Group Хельсинкского университета в рамках проекта OPUS-MT. Это нейросетевая модель машинного перевода на архитектуре Marian transformer-big, предназначенная для перевода текста с английского на корейский. Она обучена на данных OPUS с предобработкой SentencePiece и имеет около 133,4 млн параметров; доступная длина контекста — 1024 токена. Модель подходит для перевода предложений и текстовых фрагментов между английским и корейским языками. Веса доступны в форматах PyTorch, Safetensors и TensorFlow. Лицензия CC-BY-4.0 разрешает использование при соблюдении условий атрибуции. В README приведены сведения об оценке на тестовых данных, но численные результаты не заполнены, поэтому качество для конкретных текстов по этим данным оценить нельзя.

Ornith-Agents-A1-3.7-35B-A3B-dare_ties_v4 — мультимодальная модель, созданная tepirale слиянием предварительно обученных моделей методом DARE TIES. В качестве базовой использована Qwen/Qwen3.6-35B-A3B; в слияние также вошли InternScience/Agents-A1, Qwen/Qwen3.5-35B-A3B и deepreinforce-ai/Ornith-1.0-35B. Модель построена на архитектуре Qwen3.5 MoE, распространяется в формате safetensors и предназначена для диалогов и анализа изображений. Модель принимает текст и изображения и генерирует текст. Карточка не приводит данных о поддерживаемых языках, размере контекста и лицензии, поэтому эти характеристики нельзя уточнить. Использование определяется лицензией репозитория и лицензиями компонентов слияния.

Qwen3.5-27B-ultra-uncensored-heretic-v1 — мультимодальная модель для диалогов и анализа изображений, созданная независимым автором на основе Qwen/Qwen3.5-27B. Автор изменил поведение модели методом abliteration: по приведённой оценке, доля отказов снизилась с 95 до 3 из 100 запросов, а KL-дивергенция относительно исходной модели составила 0,0301. Это вариант для сценариев, где требуется меньше отказов на запросы, которые исходная модель могла бы отклонить. Модель использует плотную архитектуру Qwen3.5 с 27 млрд параметров и поддерживает ввод текста и изображений с генерацией текста. В README указаны контекст 262 144 токена с возможностью расширения до 1 010 000 и широкая языковая поддержка базовой модели; конкретные языки в метаданных этой версии не перечислены. Модель распространяется в формате safetensors через Transformers по лицензии Apache-2.0. Снижение отказов не гарантирует точность ответов или сохранение всех свойств исходной модели. В приведённом тесте PIQA результаты версии после abliteration немного ниже исходных; оценка в README не заменяет проверку на целевых задачах. Модель предназначена для генерации ответов и понимания изображений, а не для отдельного специализированного домена.

sophiebui/ru-en_mtmodel — дообученная Sophie Bui модель машинного перевода на основе многоязычной encoder-decoder архитектуры M2M-100 от Meta. Модель рассчитана на перевод между русским и английским языками; карточка сообщает о дообучении на наборе данных, название которого не приведено. Для оценки указан результат BLEU 70,991 на evaluation set. Модель содержит 332,5 млн параметров, использует библиотеку Transformers и формат весов safetensors. Длина контекста — 1024 токена. Лицензия — MIT. Карточка не описывает ограничения или условия оценки подробнее.

ruGPT-3 Medium — русскоязычная авторегрессионная языковая модель семейства GPT-2, разработанная командой SberDevices. Модель предварительно обучена на 80 млрд токенов в течение трёх эпох, а затем дообучена с контекстом 2048 токенов; для предварительного обучения использовалась длина последовательности 1024 токена. В карточке указана perplexity 17,4 на тестовом наборе. Модель предназначена для генерации текста на русском языке и может использоваться для продолжения заданного текста и создания русскоязычных текстовых черновиков. Архитектура — плотная GPT-2 с головкой языкового моделирования; репозиторий содержит веса PyTorch. Описание архитектуры, предварительного обучения и оценки приведено авторами в препринте о семействе предварительно обученных трансформерных языковых моделей для русского языка. Это базовая языковая модель, поэтому качество ответов зависит от формулировки запроса и может уступать специализированным или инструкционно дообученным моделям. Лицензия в предоставленных источниках не указана.

Sappho_V0.0.4 — языковая модель для генерации текста, созданная Jakolo121 с помощью слияния моделей LazyMergekit. В основу слияния вошли Jakolo121/Sappho_V0.0.3 и VAGOsolutions/SauerkrautLM-7b-HerO; применён метод SLERP. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы. Контекстное окно составляет 32 768 токенов. Базовая SauerkrautLM-7b-HerO описана как немецко-английская диалоговая модель; карточка Sappho не уточняет языковое покрытие и условия лицензии.

ifuseok/sft-solar-10.7b-v1.1 — текстовая генеративная модель, созданная дообучением upstage/SOLAR-10.7B-Instruct-v1.0. Она предназначена для диалогов, следования инструкциям, ответов на вопросы и англо-корейского перевода. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 10,6 млрд параметров и принимает только текст, генерируя текст; нативная длина контекста — 4096 токенов. Для обучения использовались корейские наборы инструкций и вопросов, включая Korean OpenOrca, Korean BoolQ и переведённый на корейский набор Dolly, а также часть данных AIhub для перевода с английского на корейский. Это указывает на основной акцент на корейском языке, хотя переводные данные также поддерживают сценарии с английским. Репозиторий распространяет веса в формате safetensors и предназначен для загрузки через Transformers. Лицензия в предоставленных сведениях не указана.

PracticeLLM/SOLAR-tail-10.7B-Merge-v1.0 — языковая модель Kyujin Han (kyujinpy), созданная объединением SOLAR-10.7B-v1.0 от Upstage и LMCocktail-10.7B-v1 с помощью Mergekit и метода slerp. Модель с архитектурой Llama содержит 10,6 млрд параметров, использует формат safetensors и поддерживает контекст до 4096 токенов. Модель предназначена для генерации текста на английском и корейском языках, включая ответы на вопросы и задачи на рассуждение. В карточке приведены результаты оценок на англоязычных и корейских бенчмарках. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование.

Aryanne/SuperHeartBerg — объединённая языковая модель, созданная Aryanne с помощью mergekit методом task_swapping. В качестве базовой модели использована Aryanne/SuperHeart, в объединение также вошла nbeerbower/llama3.1-gutenberg-8B. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Заявленная длина контекста — 131 072 токена; репозиторий содержит веса в формате safetensors. Языки и специализированные области применения в карточке не обозначены. Лицензия не установлена по предоставленным данным; характеристики качества и ограничения отдельно не описаны.

T3qm7Strangemerges_32-7B — автоматически созданное Maxime Labonne слияние двух моделей Mistral: nlpguy/T3QM7 и Gille/StrangeMerges_32-7B-slerp. Модель с плотной архитектурой MistralForCausalLM содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. README описывает слияние методом SLERP с настройками для слоёв self-attention и MLP. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

yhavinga/t5-small-24L-ccmatrix-multi — модель перевода на основе архитектуры T5, разработанная yhavinga и дообученная для перевода между нидерландским и английским языками. Она предназначена для двустороннего перевода: с нидерландского на английский и с английского на нидерландский. Модель содержит 104,5 млн параметров и использует архитектуру T5ForConditionalGeneration. Для обучения применялся датасет CCMatrix; в карточке также описаны оценки перевода на тестовых данных. Репозиторий содержит веса в форматах PyTorch и Flax. Лицензия — Apache-2.0. Модель подходит для автоматического перевода текстов между нидерландским и английским, включая предложения и документы. Обучение основано на ограниченной части данных CCMatrix, поэтому опубликованные оценки следует рассматривать в контексте описанных тестовых наборов; результаты на других тематиках и типах текста могут отличаться.

TinyLlama-1.1B-Sum-SFT — плотная авторегрессионная языковая модель семейства Llama, дообученная на базе TinyLlama/TinyLlama-1.1B-intermediate-step-1431k-3T на наборе martimfasantos/openai-summarize-tldr. Модель предназначена прежде всего для суммирования текста и генерации кратких пересказов; в каталоге также отмечена задача генерации текста. Модель содержит около 1 млрд параметров, принимает текст и имеет контекст длиной 2048 токенов. Карточка приводит метрики оценки на тестовом наборе, но не раскрывает подробности обучения, конкретные языки или ограничения качества. Вес опубликован в формате safetensors. Лицензия — Apache-2.0.

Tower-7B-d2d — языковая модель Unbabel, опубликованная в рамках исследования Doc2FRC. Это полно-параметрически дообученная версия Unbabel/TowerInstruct-Mistral-7B-v0.2 на базе Mistral с 7,1 млрд параметров, предназначенная для перевода целых документов между английским и девятью другими языками: немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским и китайским. Модель обучалась на параллельных данных DocBlocks непосредственно для перевода «документ в документ» и поддерживает контекст до 32 768 токенов. Модель принимает текстовый запрос с исходным и целевым языками и выдаёт перевод в виде текста. Она ориентирована на сохранение связности перевода на уровне документа; рекомендованный формат запроса использует ChatML-подобную структуру. Для воспроизведения настроек вывода и оценки авторы направляют к материалам проекта Doc2FRC. Модель распространяется по лицензии CC BY-NC-SA 4.0; доступна только для использования на условиях этой лицензии.

WindyTranslate/translate-es-en — модель машинного перевода, опубликованная Windstorm Labs, для перевода текста с испанского на английский. Она основана на Helsinki-NLP/opus-mt-es-en: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель использует архитектуру MarianMT на базе Transformer, содержит 58,4 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для перевода испанских текстов на английский. В карточке приведён скрининговый результат на 48 предложениях FLORES-200 dev: chrF++ 57,70 и BLEU 31,09; это ограниченная оценка, а не результат публикационного исследования. Другие направления перевода не заявлены. Репозиторий содержит веса safetensors для Transformers. Лицензия — Apache-2.0.

Tulu V2.5 DPO 13B UltraFeedback Overall — это англоязычная чат-модель-помощник, разработанная Allen Institute for AI (AI2). Она построена на плотной архитектуре Llama и содержит 12,9 млрд параметров. Модель дообучена на Tulu 2 с помощью DPO: примеры из набора UltraFeedback ранжировались по общей оценке, чтобы определить предпочтительные и отклонённые ответы. Для диалога использует шаблон чата, включённый в токенизатор; длина контекста — 4096 токенов. Модель предназначена для следования инструкциям, ответов на вопросы и генерации текста в диалогах с помощником. Она обучалась на смеси инструкций и синтетических диалогов, а затем на данных предпочтений. Лицензия — Apache 2.0. Модель не была специально выровнена для безопасных ответов и не использует фильтрацию ответов во время работы, поэтому может выдавать проблемный контент, особенно по соответствующим запросам. Языковая поддержка заявлена для английского.

Tulu V2.5 PPO 13B — англоязычная чат-модель из семейства Tulu, разработанного Allen Institute for AI (AI2). Это плотная авторегрессионная модель архитектуры Llama с 12,9 млрд параметров, дообученная методом PPO на основе Tulu 2; в ходе обучения использовались промпты UltraFeedback и reward model Tulu v2.5 13B preference mixture. Модель предназначена для диалогов с помощником, следования инструкциям и генерации текста. Контекст — до 4096 токенов; для чата предусмотрен шаблон форматирования в токенизаторе. Модель ориентирована на английский язык и распространяется по лицензии Apache 2.0. По сведениям карточки, в фазе RLHF её не настраивали на безопасные ответы и не дополняли фильтрацией на этапе использования, поэтому она может выдавать проблемный контент, особенно при соответствующих запросах.

Vikhr-Llama-3.2-1B-Instruct — компактная инструктивная языковая модель команды Vikhr, дообученная методом SFT на 150 тысячах синтетических инструкций из русскоязычного набора GrandMaster-PRO-MAX. Она основана на Meta Llama 3.2 1B Instruct, имеет плотную архитектуру LlamaForCausalLM и содержит 1,2 млрд параметров. Модель предназначена для диалога и выполнения текстовых инструкций на русском языке; в метаданных также отмечена поддержка английского. Её можно применять для ответов на вопросы, создания и краткого изложения текстов. Интерфейс поддерживает чат и вызов инструментов. Модель рассчитана на запуск в условиях ограниченных ресурсов, включая слабые и мобильные устройства; авторы заявляют эффективность в пять раз выше базовой модели и размер до 3 ГБ. Метаданные указывают контекст до 131 072 токенов. Доступен формат Safetensors, а README ссылается на отдельную версию GGUF. Лицензия — Llama 3.2. Пример в карточке показывает ошибки и неточности в сгенерированном тексте, поэтому ответы могут требовать проверки; заявленная эффективность не сопровождается методикой измерения.

facebook/wav2vec2-xls-r-2b-22-to-16 — модель перевода речи, разработанная Facebook. Это связка кодировщика и декодера: кодировщик инициализирован контрольной точкой facebook/wav2vec2-xls-r-2b, а декодер — facebook/mbart-large-50; модель дообучена на парах перевода из набора CoVoST 2. Она принимает аудио на одном из 22 исходных языков и генерирует письменный перевод на один из 16 целевых языков: английский, немецкий, турецкий, персидский, шведский, монгольский, китайский, валлийский, каталанский, словенский, эстонский, индонезийский, арабский, тамильский, латышский или японский. Подходит для перевода аудиозаписей и устных высказываний без отдельного этапа распознавания и последующего текстового перевода. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Качество может зависеть от языковой пары и характеристик аудио; карточка не приводит количественных оценок качества.

YamshadowInex12_Ognoexperiment27Multi_verse_model — объединённая модель для генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Модель принимает текст и генерирует текст; её контекстное окно составляет до 32 768 токенов. Карточка не описывает конкретную специализацию, набор поддерживаемых языков или преимущества объединения моделей, поэтому её назначение можно определить только как общее текстовое генерирование. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

YamshadowStrangemerges_32_ShadowYam — объединённая модель Mistral, созданная на основе automerger/YamshadowStrangemerges_32-7B и automerger/ShadowYam-7B. Она предназначена для генерации текста и поддерживает контекст длиной до 32 768 токенов. Модель содержит 7,1 млрд параметров, её веса доступны в формате Safetensors. Карточка не описывает специализацию по языкам или предметным областям и не приводит оценок качества. Модель распространяется по лицензии Apache 2.0.

Zephyr 7B Gemma v0.1 — разговорная языковая модель HuggingFaceH4 на архитектуре Gemma, предназначенная для работы в роли полезного текстового ассистента. Это плотная авторегрессионная модель примерно на 8,2 млрд параметров с контекстом до 8192 токенов. Модель дообучена методом Direct Preference Optimization на наборе предпочтений argilla/dpo-mix-7k; карточка также указывает предварительное дообучение на синтетических диалогах DEITA 10K. Основной язык — английский. Модель подходит для диалога, ответов на вопросы и генерации текста по запросу. В карточке приведены результаты сравнительных оценок, но они не гарантируют качество для конкретных задач. Модель не прошла этап RLHF для выравнивания с человеческими предпочтениями по безопасности и может выдавать проблемные ответы, особенно при соответствующих запросах. Указанная лицензия — Gemma Terms of Use.

Ziya-Writing-13B-v2 是 IDEA-CCNL 开发的 языковая модель с 12,9 млрд параметров, построенная на архитектуре LLaMA 2 и дообученная следованием инструкциям для задач письма. Она генерирует китайские и английские тексты: официальные отчёты, речи, письма и рекламные или творческие материалы, а также отвечает на общие инструкции. Модель использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Для обучения разработчики использовали очищенные примеры человеческого письма, инструкции, созданные с помощью GPT-3.5 и проверенные вручную, а также данные предпочтений для выравнивания ответов. Качество письма оценивали сравнением ответов бок о бок; по данным README, в сравнении с Ziya-Writing-LLaMa-13B-v1 модель получила долю побед 72,5%. Этот результат относится к описанной авторами оценке и не гарантирует качество для каждого запроса. Модель распространяется под лицензией GPL-3.0, однако README указывает, что из-за ограничений лицензии LLaMA её нельзя использовать в коммерческих целях и следует соблюдать политику использования LLaMA. Это модель генерации текста, поэтому она не принимает изображения или аудио.

ShenaoZ/0.001_ablation_5iters_bs256_nodpo_iter_3 — дообученная разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана на основе ShenaoZ/0.001_ablation_5iters_bs256_nodpo_iter_2 и обучена на обновлённом и исходном наборах данных. Модель предназначена для генерации текста в диалоговом формате; заявленная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. В карточке не приведены подробности о качестве, тематике обучения или результатах оценки, поэтому пригодность для конкретных сценариев следует проверять самостоятельно.

CausalLM/7B-DPO-alpha — языковая модель на архитектуре Llama, разработанная авторами проекта CausalLM. Это версия с обучением DPO на отдельной ветке обучения; по карточке модели, она не является продолжением обучения CausalLM/7B или CausalLM/14B. Модель содержит 7,1 млрд параметров, работает с текстом и имеет контекстное окно до 8192 токенов. Модель предназначена для генерации текста и диалоговых ответов. В метаданных указаны английский и китайский языки; среди обучающих данных перечислены наборы для диалогов, инструкций, математики и знаний. Авторы приводят результаты сравнения MT-Bench, но доступный фрагмент карточки не содержит оценки самой модели. Лицензия — WTFPL. Авторы предупреждают, что модель обучалась на неотфильтрованных интернет-данных и может генерировать оскорбительный, порнографический или жестокий контент. Они также отмечают отсутствие специального этапа RLHF для этики и безопасности, поэтому выходы модели требуют проверки и фильтрации.