III.4Клиентская поддержка и customer success

Belall87 разработал эту модель, дообучив aubmindlab/bert-base-arabertv02 для бинарной классификации тональности арабского текста. Она относит текст к положительной или отрицательной тональности и предназначена, в частности, для анализа отзывов, сообщений в соцсетях и обратной связи клиентов. Архитектура — BERT для классификации последовательностей; в метаданных указаны 162,4 млн параметров и контекст до 512 токенов. Модель распространяется в формате safetensors по лицензии MIT. В README заявлены точность и F1-score 92,87% на использованном наборе данных. При обучении нормализовали варианты написания арабских букв, удаляли диакритические знаки и фильтровали URL, упоминания и хештеги. Модель обучалась на смеси современного литературного арабского и диалектов; README рекомендует подавать тексты короче 256 токенов. Классификация ограничена двумя метками, а на специализированной лексике качество может снижаться.

Bahasa-4b — языковая модель Bahasa AI, полученная продолжением обучения Qwen-4B на 10 млрд высококачественных индонезийских текстов. Это плотная авторегрессионная модель семейства Qwen2 с 3,6 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса Safetensors. Модель предназначена для понимания и генерации текста на индонезийском языке, включая ответы на вопросы, анализ тональности и суммаризацию документов. В приведённых в карточке тестах Bahasa-4b превосходит Sailor_4b на отдельных индонезийских бенчмарках и показывает конкурентные результаты относительно Mistral-7B-v0.1. Это результаты конкретных тестов, а не гарантия качества для любой задачи. Модель доступна по лицензии, обозначенной в метаданных как other; условия следует проверить в репозитории перед использованием.

mavinsao/bert-sst2-sentiment — модель классификации текста на основе BERT, дообученная на google-bert/bert-base-uncased. Она предназначена для определения тональности английских текстов в сценариях анализа отзывов и коротких высказываний. В README указаны результаты оценки: accuracy и F1 — 0,9197, precision — 0,9201, recall — 0,9197; в метаданных указан набор данных Stanford Sentiment Treebank 2 (SST-2). Модель содержит 136,7 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в формате PyTorch. Распространяется по лицензии Apache-2.0. Она решает задачу классификации текста; результаты приведены для оценки на конкретном наборе данных SST-2, поэтому их нельзя считать гарантией качества на других языках, доменах или типах текстов.

BigTranslate — мультиязычная модель для перевода, созданная дообучением LLaMA-13B. Разработчики расширили языковые возможности исходной модели в три этапа: продолжили обучение на китайских текстах, затем на параллельных данных для 102 естественных языков и после этого настроили модель на инструкции по переводу. В метаданных указаны архитектура LLaMA для авторегрессионной генерации текста, размер 13 млрд параметров и формат PyTorch. Модель предназначена для перевода между естественными языками и выполнения переводческих запросов в формате инструкций. Авторы сообщают о предварительных результатах, сопоставимых с ChatGPT и Google Translate для многих языков, и о превосходстве над ChatGPT в восьми языковых парах. Эти результаты относятся к экспериментам авторов и не гарантируют такое же качество для любых языков и текстов. Модель выпущена под лицензией LGPL-3.0. Карточка не сообщает длину контекста и не приводит полный перечень поддерживаемых языков; заявлена работа с более чем 100 языками, включая китайский.

Calme 3.2 Instruct 3B — языковая модель Maziyar Panahi для генерации текста и диалогов в общих областях. Это дообученная версия Qwen2.5-3B с плотной архитектурой Qwen2 и 3,1 млрд параметров; она работает через Transformers и принимает запросы в формате ChatML. Заявленная длина контекста — 32 768 токенов. Модель подходит для инструкционного диалога, ответов на вопросы и других общих текстовых задач. В карточке указаны французский и английский языки, а также датасеты французских инструкций и EvolKit-20k. Доступны файлы Safetensors; отдельная версия GGUF размещена в связанном репозитории. Автор предупреждает, что из-за небольшого размера модель может хуже справляться с некоторыми запросами и быть чувствительной к гиперпараметрам. Рекомендуются меры предосторожности и проверка человеком при использовании в производстве. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Collective Cognition v1.1 — языковая модель Teknium на архитектуре Mistral, дообученная для генерации текста и следования инструкциям. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов; для обучения использовалась QLoRA и около 100 диалогов с сайта Collective Cognition, похожих на данные ShareGPT. Модель предназначена для диалоговых ответов и проверки или исправления распространённых заблуждений. В README заявлены высокие результаты на TruthfulQA относительно ряда моделей на 70 млрд параметров, однако подробности методики и численные результаты здесь не приведены. Модель поддерживает английский язык и распространяется по лицензии Apache 2.0.

Commonsense-QA-Mistral-7B-Mistral-7B-Instruct-v0.2-slerp — объединённая модель Maziyar Panahi, созданная методом SLERP на основе Mistral-7B-Instruct-v0.2 и Commonsense-QA-Mistral-7B. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговые ответы; размер контекста — до 32 768 токенов. Модель подходит для ответов на вопросы, требующие бытовых знаний и здравого смысла, а также для общения в формате инструкций. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. Карточка не приводит результаты оценки качества или подробные ограничения применения.

nold/CroissantLLMChat-v0.1-GGUF — GGUF-квантизированная версия CroissantLLMChat-v0.1, разработанная в рамках инициативы CroissantLLM и подготовленная с использованием пайплайна llm-quantizer. Исходную модель создали Manuel Faysse, Patrick Fernandes и соавторы. Это чат-модель, дообученная после 190 тысяч шагов обучения на примерно 2,99 трлн токенов с последующей Chat-настройкой. Модель предназначена для диалогов, генерации и редактирования текста, преимущественно на французском и английском языках, а также для задач перевода; её можно запускать на локальном пользовательском оборудовании. Архитектура в README явно не указана, размер исходной модели составляет 1,3 млрд параметров, а поддерживаемая модальность — текст. Для корректной работы рекомендуется использовать заданный chat template и температуру не ниже 0,3. Заявленный контекст модели не указан. К сильным сторонам относятся производительность для своего размера, хорошие результаты в письменных задачах и особенно в переводе, а также открытость проекта. Ограничения включают слабые возможности сложного рассуждения, относительно низкое качество генерации кода и неоптимальную работу с языками, кроме французского и английского. Модель может галлюцинировать и выдавать фактически неверные сведения; ориентировочная граница знаний связана с дампом Wikipedia за ноябрь 2023 года. Модель распространяется по лицензии MIT.

philschmid/distilbart-cnn-12-6-samsum — модель семейства BART, обученная с помощью Amazon SageMaker и контейнера Hugging Face Deep Learning. Она предназначена для суммаризации текста, в частности диалогов из набора SAMSum. Модель содержит 252,8 млн параметров, принимает текст с контекстом до 1024 токенов и выдаёт текстовое резюме. В репозитории представлены веса PyTorch. Карточка сообщает о трёх эпохах обучения и приводит результаты оценки, включая eval_loss 1,42. Модель ориентирована на английский язык. Распространяется по лицензии Apache-2.0. Карточка не описывает поведение на других языках или за пределами суммаризации диалогов.

ElEmperador — дообученная модель Mistral-7B-v0.1, созданная с применением ORPO для согласования ответов с человеческими предпочтениями. Она предназначена для генерации текста и диалогового использования. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык, а веса представлены в формате safetensors. В карточке сообщается, что ORPO применялся для улучшения модели вместе с дообучением на инструкциях; приведён результат BLEU 0,209, но условия оценки не описаны. Ожидаемое преимущество — более предпочтительные и удобные для пользователя ответы. Модель распространяется по лицензии Apache-2.0.

EnnoAi-Pro-Llama-3-8B — чат-модель семейства Llama, разработанная Enno-Ai и дообученная для профессиональных задач на французском языке. По карточке, обучение проводилось на примерно 275 тысячах франкоязычных примеров по профессиональным и общим стратегическим темам; заявлена также поддержка английского языка. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров, работает с контекстом до 8192 токенов и принимает диалоги в формате ChatML с поддержкой системных сообщений. Модель предназначена для генерации ответов, анализа и использования в сценариях RAG, в том числе для профессиональных запросов на французском и английском языках. README сообщает о применении QLoRA при дообучении, но метаданные не указывают базовую модель, поэтому её идентификатор установить нельзя. Разработчик отмечает, что модель находится в разработке; приведённые в карточке результаты отдельных тестов не описывают её качество во всех сценариях. Лицензия — CreativeML OpenRAIL-M.

Fimbulvetr-V2-Kuro-Lotus — языковая модель, созданная автором репозитория gelukuMLG путём слияния предварительно обученных моделей методом SLERP с помощью mergekit. В слияние вошли Fimbulvetr-11B-v2 и Kuro-Lotus-10.7B; конфигурация указывает Kuro-Lotus-10.7B как базовую модель. Репозиторий содержит веса в формате safetensors с точностью bfloat16. Модель построена на плотной архитектуре Llama и предназначена для генерации текста. Её размер — 10,6 млрд параметров, длина контекста — 8192 токена. README не описывает специализированные сценарии использования или поддерживаемые языки, поэтому модель можно характеризовать только как генеративную языковую модель общего назначения.

meetkai/functionary-v4r-small-preview — языковая модель MeetKai для диалогов с вызовом функций и плагинов. Она основана на Meta-Llama-3.1-8B-Instruct и имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров. Модель принимает описания функций в формате JSON Schema и умеет выбирать, когда вызвать инструмент, выполнять вызовы последовательно или параллельно, учитывать их результаты и формировать ответ на их основе. Также поддерживает обычные ответы в чате и сценарии с интерпретатором кода. Модель рассчитана на интеграцию в приложения и серверы, поддерживающие совместимый с OpenAI интерфейс; для подготовки запросов предусмотрен шаблон чата Functionary. В метаданных указан контекст до 131 072 токенов и формат весов safetensors. Лицензия — MIT. Карточка описывает предварительную версию и заявляет поддержку вызова инструментов, но не приводит результатов независимых оценок качества.

Goetia-24B-v1.1 — разговорная текстовая модель на основе Mistral-Small, собранная Naphula методом слияния mergekit; в карточке указано применение метода Karcher для контрольной точки R20. Модель предназначена для диалогов, следования инструкциям, творческого письма, ролевых игр и текстовых приключений. Автор отмечает повышенную креативность и менее строгие отказы по сравнению с версией 1.0; в состав слияния входят несколько моделей семейства Mistral, ориентированных на диалоги и генерацию прозы. Модель имеет плотную архитектуру MistralForCausalLM, 23,4 млрд параметров и контекст 131 072 токена. Она работает с текстом и рассчитана, в частности, на английский и русский языки. Распространяется в формате safetensors по лицензии Apache-2.0. Карточка описывает её как менее ограниченную в вопросах безопасности; качество и характер ответов зависят от запроса и системной настройки.

Это чат-модель для генерации текста, дообученная автором cloudyu на основе google/gemma-7b. Обучение выполнено на наборе c-s-ale/alpaca-gpt4-data-zh; модель принимает инструкцию и необязательный ввод, затем генерирует ответ по шаблону instruction/input/output. Модель построена на плотной архитектуре GemmaForCausalLM и содержит 8,2 млрд параметров. Она рассчитана на диалог и выполнение инструкций на китайском и английском языках, с контекстом до 8192 токенов. Доступные веса представлены в формате safetensors. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий без соблюдения её условий. Качество ответов зависит от области запроса и данных дообучения; карточка не приводит результатов оценки или дополнительных мер защиты.

Карточка модели IndexTeam/Index-Translate-35B-A3B-preview-before-replacement-20261003 на Hugging Face совпадает с карточкой IndexTeam/Index-Translate-35B-A3B-preview, поэтому описание составлено по ней. Index-Translate-35B-A3B-preview — мультиязычная текстовая модель перевода семейства Index-Translate, созданная на базе Qwen3.5. Это модель архитектуры mixture-of-experts с 35 млрд общих и примерно 3 млрд активных параметров; в метаданных семейство архитектуры указано как qwen3_5_moe. Модель предназначена для перевода между 150 языками, включая предложения, статьи, субтитры и тексты с особыми инструкциями. Модель учитывает требования к терминологии, стилю, контексту, структуре и длине результата. Она может сохранять формат JSON, CSV и Markdown, блоки кода и переменные-заполнители, адаптировать тон и интерпретировать мемы, разговорные выражения и культурные отсылки. В техническом отчёте для preview приведены высокие результаты на тестах перевода и следования инструкциям, в том числе FLORES COMET-22 0,8794 и instTrans IFscore 0,8336. Это preview-версия. В README отмечены ошибки выбора целевого языка на малоресурсных направлениях: 2,4% на FLORES_minor_pair и 4,05% на instTrans_minor. Приведённые оценки относятся к тестам и условиям отчёта; покрытие языков описано в языковом перечне технического отчёта. Модель опубликована под лицензией Apache-2.0.

Instruct_Yi-6B_Dolly15K — авторегрессионная языковая модель, дообученная HenryJJ на базе Yi-6B с использованием LoRA и набора инструкций databricks-dolly-15k. Модель имеет около 5,8 млрд параметров, архитектуру LlamaForCausalLM и контекстное окно до 4096 токенов по метаданным; в README указано, что при обучении использовалось окно 1024 токена. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации ответов на инструкции на английском языке, в том числе с дополнительным контекстом. Её можно применять для черновиков текстов, кратких ответов и выполнения типовых текстовых запросов. Для работы предусмотрен шаблон запроса с маркерами [INST] и [/INST]. Модель выпущена под лицензией Apache-2.0. Она дообучена на Dolly 15k, поэтому её результаты зависят от характера инструкций и данных обучения; карточка не приводит подробных оценок качества и отмечает более короткий контекст обучения, чем заявленный в метаданных контекст модели.

Leo Hessianai 13B Chat Bilingual — двуязычная чат-модель, разработанная LAION LeoLM и представленная в формате GGUF командой TheBloke. Это квантизированная версия исходной модели LeoLM/leo-hessianai-13b-chat-bilingual на базе архитектуры Llama с примерно 13 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации текста на английском и немецком языках. Она может использоваться для локального запуска чат-ассистентов, ответов на вопросы и других задач текстовой генерации. В README указана совместимость с llama.cpp и рядом пользовательских интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и ctransformers. Для общения используется шаблон промпта ChatML. Доступны варианты GGUF с квантованием от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством генерации и запускать модель на CPU, GPU или в комбинированном режиме. README не содержит сведений о размере контекста, мультимодальности, результатах тестирования или конкретных ограничениях качества, поэтому эти характеристики нельзя оценить по представленным данным. Модель распространяется по лицензии Llama 2.

FriendliAI подготовила FP8-квантизированную версию диалоговой модели Meta Llama 2 13B Chat для более эффективного инференса. Это авторегрессионный трансформер с 12,9 млрд параметров, дообученный для диалогов с помощью supervised fine-tuning и обучения с подкреплением на основе обратной связи от людей. Контекст составляет 4096 токенов; модель принимает текст и генерирует текст. Модель подходит для чат-ассистентов, ответов на вопросы и генерации текста на английском языке. Для работы требуется совместимый Friendli Container; FP8 поддерживается на GPU NVIDIA Ada, Hopper и Blackwell. Модель может выдавать неточные, предвзятые или нежелательные ответы, поэтому перед внедрением её следует проверить и настроить для целевого применения. Использование регулируется лицензией Meta Llama 2 (llama2); для получения весов требуется принять условия лицензии Meta. README указывает, что модель предназначена для коммерческого и исследовательского применения на английском языке и ограничивает использование другими языками.

Испаноязычная чат-модель 4i Intelligent Insights на базе Llama 2 7B, дообученная на наборе инструкций Spanish Alpaca. Она принимает инструкции и необязательный дополнительный ввод и предназначена для непосредственной генерации ответов и выполнения пользовательских запросов на испанском языке. Модель использует плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и поддерживает контекст до 4096 токенов. Модель распространяется в форматах PyTorch и Safetensors по лицензии CC BY-NC 4.0, унаследованной от набора данных Spanish Alpaca. Адаптер дообучения объединён с исходной моделью Llama 2. Качество ответов может быть снижено из-за ошибок перевода в Spanish Alpaca; также модель унаследовала ограничения и возможные смещения базовой Llama 2.

SalmanFaroz/Llama-2-7b-samsum — языковая модель семейства Llama 2, разработанная на основе meta-llama/Llama-2-7b-chat-hf и дообученная автором карточки методом QLoRA на наборе диалогов SAMSum. Модель предназначена для суммаризации разговоров на английском языке: она принимает текст беседы и генерирует её краткое изложение. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст длиной до 4096 токенов. Указаны библиотека Transformers и формат весов PyTorch. Лицензия — MIT. Карточка не приводит сравнительных оценок качества, поэтому качество на других жанрах текста и языках не установлено.

Jackrong/llama-3.2-3B-Chinese-Elite — чат-модель на базе Meta Llama 3.2 3B Instruct, дообученная автором методом SFT на примерно 50 тысячах примеров, дистиллированных из Qwen3-235B-A22B-Instruct-2507. Репозиторий предоставляет веса в формате GGUF; модель рассчитана на генерацию текста и диалоговое использование на китайском и английском языках. Модель предназначена для повседневного общения, создания и пересказа текстов, перевода, объяснения учебных материалов, творческого письма и простых рассуждений. Компактный размер ориентирован на быстрый запуск на ограниченных ресурсах, включая локальные компьютеры и CPU, а GGUF-веса подходят для автономного развертывания. Автор сообщает об улучшениях относительно исходной модели в китайском диалоге, форматировании ответов и простых рассуждениях, однако эти оценки представлены в карточке модели и не являются независимым сравнительным тестированием. Указанные ограничения включают слабые результаты на сложных математических и многошаговых задачах, ограниченность в специализированных областях и возможное несоответствие отдельных ответов человеческим предпочтениям. Лицензия репозитория — Apache-2.0.

LLaMA3-ENG-KO-8B-SL4 — двуязычная языковая модель на архитектуре LLaMA 3, опубликованная пользователем 4yo1. По карточке, модель адаптирована с помощью тонкой настройки и предназначена для задач на английском и корейском языках; метаданные указывают около 7,5 млрд параметров и контекст до 8192 токенов. Основной сценарий применения — перевод между английским и корейским языками. Модель также поддерживает генерацию текста и чатовый интерфейс. В карточке указан обучающий набор 4yo1/llama3_test1. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Карточка содержит несоответствие в примере загрузки: AutoConfig ссылается на идентификатор llama3-eng-ko-80-sl4, тогда как модель обозначена как llama3-eng-ko-8b-sl4. Сведения о качестве перевода и результаты оценки не приведены.

4yo1/llama3-pre1-pre2-ds-lora3-mergkit-base — текстовая модель на архитектуре Llama, опубликованная 4yo1. В метаданных указано 7,4 млрд параметров и контекст 8192 токена; README округляет размер до 8 млрд. Модель доступна в формате safetensors и рассчитана на английский и корейский языки. Основная задача по карточке Hugging Face — перевод; метаданные каталога также указывают генерацию текста. Модель подходит для перевода между английским и корейским, а также для текстовых диалогов и генерации. README упоминает датасеты pre и 140kgpt, но не уточняет метод обучения или качество на конкретных задачах. Лицензия — MIT. Ограничения: карточка не описывает направление перевода, результаты оценки качества или специальные ограничения применения.

maid-yuzu-v5-mix — языковая модель для генерации текста и диалогов, созданная автором карточки слиянием моделей через mergekit методом SLERP. В объединение вошли maid-yuzu-v5 и smelborp/MixtralOrochi8x7B; конфигурация использует коэффициент смешивания 0,5 и формат весов bfloat16. По метаданным это модель архитектуры Mixtral с классом MixtralForCausalLM и 7,1 млрд параметров, принимающая текст и рассчитанная на контекст до 32 768 токенов. Модель подходит для генерации ответов в чате и продолжения текста. Базовая MixtralOrochi8x7B предназначена для английских ответов и диалогов; данных о языках и специальных прикладных областях именно этой версии карточка не приводит. Модель опубликована в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

MeliodasPercival_01_ShadowExperiment24 — объединённая модель для генерации текста, созданная на основе automerger/MeliodasPercival_01-7B и automerger/ShadowExperiment24-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. README не приводит оценок качества или сведений о специализированных областях применения.

Memphis-scribe 3B — плотная авторегрессионная языковая модель семейства StableLM Epoch, разработанная euclaise. Это дообучение Memphis-CoT 3B, которая, в свою очередь, основана на StableLM 3B 4e1t. Модель содержит 2,7 млрд параметров, работает с текстом и имеет контекст длиной до 4096 токенов. Модель дообучена на инструкциях, диалогах, творческих текстах, ролевых сценариях, кратких пересказах и примерах генерации вопросов и ответов по контексту. Она предназначена для общения, творческого письма и генерации текста по запросу; также может решать отдельные задачи рассуждения, но тесты в README показывают снижение результатов относительно Memphis-CoT 3B. Для использования указана лицензия CC BY 4.0.

Mini-blurstral — объединённая модель генерации текста на архитектуре Mistral, опубликованная пользователем liminerity. Она создана методом slerp с помощью LazyMergekit на основе mistralai/Mistral-7B-v0.1 и liminerity/Blur-7b-slerp-v0.1; в конфигурации базовой моделью указана OpenPipe/mistral-ft-optimized-1218. Репозиторий содержит веса в формате safetensors, а метаданные указывают 2,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в сценариях, где нужна текстовая генерация на базе Mistral. Карточка не приводит результатов оценки качества или подробностей о специализированных задачах и языках. Лицензия — Apache-2.0.

OOM-SOLAR-10.7B_01 — языковая модель на основе оптимизированной архитектуры Transformer семейства Llama, разработанная на базе upstage/SOLAR-10.7B-v1.0 и beomi/OPEN-SOLAR-KO-10.7B. Модель содержит 10,7 млрд параметров и принимает текст для генерации текста; её контекст составляет 2048 токенов. Модель предназначена для генерации текста на английском и корейском языках. Возможные сценарии — создание черновиков, продолжение текста и ответы в формате диалога. README не приводит сведения об обучающих данных, оценке качества или конкретных ограничениях применения. Модель распространяется в формате safetensors по лицензии Apache-2.0.

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.