III.4Клиентская поддержка и customer success

orca-mini-v3-7b — языковая модель Pankaj Mathur, построенная на архитектуре Llama 2 и обученная на наборах данных в стиле Orca. Она предназначена для диалогового взаимодействия и генерации текста по инструкциям, а также может применяться для ответов на вопросы и решения задач на рассуждение. Модель содержит 6,6 млрд параметров, работает с текстом и имеет контекст длиной до 4096 токенов; в карточке указан английский язык. В README приведены результаты оценки на наборах задач, включая ARC и HellaSwag, но они не гарантируют точность в практических сценариях. Модель может выдавать неточную, вводящую в заблуждение, предвзятую или оскорбительную информацию, поэтому ответы следует проверять. Лицензия указана как other, конкретные условия использования в предоставленных данных не раскрыты.

Nitral-Archive/Prima-LelantaclesV7-experimentalv2-7b — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием методом SLERP моделей ChaoticNeutrals/Prima-LelantaclesV7-experimental-7b и tavtav/eros-7b-test. Веса представлены в формате safetensors; размер модели составляет 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка указывает состав слияния и его конфигурацию, но не описывает специальные сценарии, языки или результаты оценки качества. Лицензия указана как other, поэтому условия использования следует уточнить в материалах репозитория.

Qwen3.5-9B-Kazakh — казахская адаптация мультимодальной модели Qwen3.5, подготовленная ISSAI. Модель дообучена на казахских текстах с расширением словаря на 16 тысяч казахских токенов, затем к ней перенесено инструкционное выравнивание официальной Qwen3.5-9B методом chat-vector merge. Для восстановления мультимодальности к языковой части подключены исходные энкодер изображений и мультимодальный проектор Qwen3.5-9B. Это плотная модель класса Qwen3_5ForConditionalGeneration с поддержкой чата и изображений; файлы опубликованы в формате Safetensors и доступны через Transformers. Лицензия — Apache-2.0. Модель предназначена для диалогов и ответов на вопросы на казахском и английском языках, а также для анализа изображений в чате. Расширенный токенизатор повышает эффективность работы с казахским текстом, а инструкционное выравнивание сохраняет стиль общения Qwen. По оценке авторов, модель слабее исходной на сложных задачах, требующих развёрнутого рассуждения, и показывает снижение качества на задачах компьютерного зрения, поскольку её отдельно не дообучали на визуальных задачах.

Vigneshwaran22/sim_model — дообученная модель генерации текста на архитектуре Qwen2, основанная на unsloth/qwen2.5-7b-bnb-4bit. По карточке, модель обучалась с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста; конкретная специализация и целевые сценарии не описаны. Модель содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Указан английский язык. Лицензия — Apache-2.0.

Smaug-34B-v0.1-ExPO — языковая модель для диалоговой генерации текста, созданная методом ExPO на основе весов SFT- и DPO/RLHF-чекпойнтов. В README указаны базовые модели abacusai/Smaug-34B-v0.1 и jondurbin/bagel-34b-v0.2; метод описан в статье «Weak-to-Strong Extrapolation Expedites Alignment». Для экстраполяции использован коэффициент alpha = 0.3. Модель построена на плотной архитектуре Llama и содержит 33,9 млрд параметров. Она предназначена для генерации ответов в диалоге с учётом предпочтений людей. Карточка сообщает о тестировании подхода на AlpacaEval 2.0 и MT-Bench, однако приведённые таблицы относятся к другим моделям семейства и не дают результатов именно для Smaug-34B-v0.1-ExPO. Метаданные указывают поддержку английского и китайского языков и контекст до 200 000 токенов. Файлы опубликованы в формате Safetensors. Лицензия обозначена как other, поэтому условия использования следует сверять с лицензиями базовых моделей и репозитория. Доступные сведения не подтверждают результаты качества именно этой версии и не описывают её ограничения в эксплуатации.

blueRab2it/solar-beam-slerp-v0.1 — объединённая языковая модель, созданная с помощью mergekit методом SLERP из davidkim205/komt-solar-10.7b-sft-v5 и Deepnoid/deep-solar-eeve-v2.0.1. Это плотная архитектура Llama с классом LlamaForCausalLM, 7,2 млрд параметров и контекстом до 4096 токенов. Модель предназначена для генерации текста и выполнения задач по текстовым инструкциям. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Базовая KOMT-Solar-10.7B-SFT-v5 описана как корейская модель для генерации текста и ответов на инструкции; данных о дополнительных языковых возможностях итоговой модели нет. Лицензия — Apache-2.0.

TowerInstruct-Mistral-7B-v0.2 — языковая модель Unbabel, Instituto Superior Técnico и CentraleSupélec University of Paris-Saclay, полученная дообучением Mistral-версии TowerBase на наборе TowerBlocks. Это плотная архитектура Mistral с 7,1 млрд параметров, принимающая текст и поддерживающая контекст до 32 768 токенов. Модель предназначена прежде всего для перевода между английским, португальским, испанским, французским, немецким, нидерландским, итальянским, корейским, китайским и русским языками. Она также выполняет постредактирование машинного перевода, учитывает терминологию и контекст, распознаёт именованные сущности, исправляет грамматические ошибки, оценивает перевод и перефразирует текст. В карточке заявлено, что её качество сопоставимо с TowerInstruct-13B-v0.2 при вдвое меньшем размере. Модель обучалась на переводных, синтетических и разговорных данных, а также примерах инструкций для кода, но не предназначена для роли чат-бота или помощника по программированию. Разработчики отдельно предупреждают, что качество перевода на уровне документов ещё улучшается и модель не предназначена для такого сценария; она не выровнена по человеческим предпочтениям и может выдавать галлюцинации или неверные утверждения. Лицензия CC-BY-NC-4.0 допускает использование с указанием авторства и ограничивает коммерческое применение.

VPO-Zephyr-7B-SecondTry-iter-1 — диалоговая языковая модель семейства Mistral с 7,1 млрд параметров, дообученная Katayoon на обновлённом и исходном наборах данных. Она предназначена для генерации текстовых ответов в чат-сценариях. Модель принимает текст и выдаёт текст; её контекст составляет 32 768 токенов. Доступна в формате Safetensors и распространяется по лицензии MIT. README не описывает методику обучения, результаты оценки или специальные области применения, поэтому качество ответов и ограничения за пределами общих свойств языковых моделей по этим материалам определить нельзя.

West-Dare-7B — языковая модель с 7,1 млрд параметров, созданная слиянием senseable/Westlake-7B и abideen/DareVox-7B с помощью LazyMergekit. Она построена на плотной архитектуре Mistral и предназначена для генерации текста, включая ролевые диалоги и творческие тексты, согласно описанию базовых моделей в каталоге. Модель принимает текст и выдаёт текст; её контекстное окно составляет 32 768 токенов. В README приведены результаты оценки на задачах рассуждения и понимания текста. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальные меры безопасности или подробные ограничения применения.

Whisper small.en — англоязычная модель распознавания речи от OpenAI, представленная в семействе Whisper. Это Transformer-модель типа encoder-decoder с архитектурой sequence-to-sequence и 153,1 млн параметров. Она принимает аудио и преобразует английскую речь в текст; для длинных записей транскрибирование можно выполнять с разбиением аудио на фрагменты, а при соответствующей настройке получать временные метки. Модель обучена на размеченных аудиоданных в рамках семейства Whisper и рассчитана на распознавание английской речи, в том числе в условиях акцентов, фонового шума и специальной лексики. Репозиторий предоставляет веса в форматах PyTorch, TensorFlow и Flax, включая safetensors. Лицензия — Apache-2.0. Транскрипции могут содержать слова, которых нет в аудио; возможны повторения и ошибки распознавания. Качество зависит от акустических условий и разновидности английского; эта англоязычная версия не предназначена для многоязычного распознавания или перевода речи.

Wiedervereinigung-7b-dpo-laser — это модификация чат-модели mayflowergmbh/Wiedervereinigung-7b-dpo, опубликованная cstr. Она использует архитектуру MistralForCausalLM с 32 слоями и примерно 7,1 млрд параметров и предназначена для диалогов и генерации текста. Базовая модель описана как немецко-английская. Модификация применяет LaserRMT (layer-selective rank reduction) к весовым матрицам базовой модели. Это изменение весов, а не квантизация или конвертация формата. Модель принимает текст и генерирует текст; нативная длина контекста — 32 768 токенов. Репозиторий распространяется под лицензией Apache-2.0, унаследованной от базовой модели. В карточке не указаны конкретная конфигурация LaserRMT, изменённые слои и ранги, поэтому нельзя оценить точный масштаб модификации или её влияние на качество. Собственный обучающий корпус не добавлялся; происхождение обучающих данных относится к базовой модели.

badokorach/xlm-roberta-base-finetuned-mlqa — модель XLM-RoBERTa-Base, дообученная для ответов на вопросы. Она предназначена для извлечения ответа из предоставленного контекста по вопросу. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и доступна в формате TensorFlow; нативный контекст составляет 514 токенов. Базовая модель — FacebookAI/xlm-roberta-base. По карточке модель дообучена на наборе данных, который не назван; приведены результаты обучения и валидации, но подробности назначения и оценки качества отсутствуют. Лицензия — MIT.

Yiet-9B — объединённая языковая чат-модель от nbeerbower, созданная методом Model Stock с помощью mergekit на базе nbeerbower/yi-gutenberg-9B. В слияние вошли девять моделей семейства Yi-9B, включая варианты для диалога, следования инструкциям и предпочтений. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 8,6 млрд параметров; репозиторий предоставляет веса в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста и диалогового использования. Её можно применять для ответов на вопросы, выполнения текстовых инструкций и создания связных текстов. Метаданные описывают базовое семейство как двуязычное, ориентированное на английский и китайский языки; контекст составляет 4096 токенов. README не приводит оценок качества или результатов сравнительных испытаний, поэтому пригодность для конкретных задач следует проверять отдельно. Модель опубликована на Hugging Face; сведения о лицензии в предоставленных данных отсутствуют.

Yosegi-0604 — объединённая авторегрессионная языковая модель, опубликованная проектом Local-Novel-LLM-project. Она создана методом breadcrumbs_ties с помощью mergekit на основе Yosegi-0603 с включением Ninja-2B_JP и Yosegi-0601. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста; максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

ABEJA-Qwen2.5-7b-Japanese-v0.1 — японская языковая модель команды ABEJA, разработанная на основе Qwen/Qwen2.5-7B-Instruct. Модель с плотной архитектурой Qwen2 и 7,1 млрд параметров предназначена для генерации текста и диалогов; она принимает текст и выдаёт текст. Размер контекстного окна составляет 32 768 токенов. Модель обучена на японских данных методом дистилляции на основе ABEJA-Qwen2.5-32b-Japanese-v0.1, а не обычным продолжением предобучения. Дополнительное дообучение для следования инструкциям не проводилось; авторы применили ChatVector, чтобы повысить способность следовать инструкциям. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

alloma-1B-Instruct — компактная инструкционная языковая модель семейства Alloma от разработчиков uzlm, дообученная на базе Meta Llama 3.2 1B Instruct для узбекского и английского языков. Она содержит 1,2 млрд параметров, использует плотную архитектуру Llama и предназначена для диалогов, генерации текста, перевода и других инструкций на этих языках. Модель доступна в формате safetensors для библиотеки Transformers и лицензирована по условиям Llama 3.2. Разработчики продолжили предобучение на 2,4 млрд токенов, затем выполнили инструкционную настройку. Токенизатор адаптирован для узбекского: по данным карточки, он использует в среднем 1,7 токена на узбекское слово против примерно 3,5 у исходной модели. Это рассчитано на более быструю обработку узбекского текста и более эффективное использование контекста; для лучшей токенизации рекомендуется заменять апостроф на последовательность APST. В README указан контекст обучения 2048 токенов, тогда как метаданные каталога приводят native context в 131072 токена. По опубликованным разработчиками тестам модель улучшает результаты базовой Llama 3.2 1B Instruct на переводе между узбекским и английским и на анализе тональности на узбекском. При этом оценки английского MMLU и классификации новостей показывают заметные ограничения, связанные с потерей части исходных возможностей следования инструкциям на английском; в тесте классификации новостей результат также ниже базовой модели. Квантизация позволяет запускать модель примерно на 2 ГБ видеопамяти, но это оценка разработчиков, а не требование для всех конфигураций.

Карточка модели BAAI/AquilaDense-16B на Hugging Face совпадает с карточкой BAAI/AquilaDense-7B, поэтому описание составлено по ней. AquilaDense-7B — плотная авторегрессионная языковая модель семейства AquilaDense, разработанная Пекинской академией искусственного интеллекта (BAAI). Она предназначена для генерации текста и диалогового взаимодействия. По метаданным модель содержит 7,6 млрд параметров, поддерживает контекст до 4096 токенов и распространяется в формате PyTorch. README описывает методику EfficientScale для обучения моделей AquilaMoE и упоминает AquilaDense-7B как одну из моделей, использованных в экспериментах и графике обучения. В карточке также приведены двуязычные данные на китайском и английском языках; метаданные отмечают поддержку английского и китайского. Лицензия модели — Apache-2.0. Модель подходит для генерации текста и диалоговых сценариев на английском и китайском языках. README не приводит отдельных результатов оценки или конкретных рекомендаций по применению AquilaDense-7B; ограничение контекста составляет 4096 токенов.

Bailong-orpo-7B — диалоговая языковая модель Lung-Chuan Chen, созданная на основе INX-TEXT/Bailong-instruct-7B. Это плотный decoder-only трансформер семейства Llama с 6,7 млрд параметров; модель предназначена для генерации текста в формате диалога, включая ответы на вопросы, создание рекламных текстов и творческое письмо. В карточке показаны примеры консультационных ответов на традиционном китайском языке, а метаданные отмечают возможность chat. README указывает поддержку английского и традиционного китайского языков. Контекст по метаданным — 4096 токенов; веса доступны в форматах Safetensors и GGUF. Модель распространяется по лицензии Llama 2. Примеры медицинских ответов иллюстрируют общий сценарий использования, но не подтверждают медицинскую точность модели.

philschmid/bart-base-samsum — англоязычная модель суммаризации, созданная на основе BART и обученная с использованием Amazon SageMaker и контейнера Hugging Face. Она предназначена для преобразования диалогов в краткие сводки; в метаданных указан датасет SAMSum. Модель использует архитектуру BART с 95,2 млн параметров, принимает текст и генерирует текст. Её контекст составляет до 1024 токенов. README приводит результаты обучения и оценки после трёх эпох, но не описывает дополнительные сценарии применения. Модель распространяется по лицензии Apache-2.0. Оценка качества и ограничения, кроме англоязычной специализации и длины контекста, в доступных сведениях не приведены.

Behemoth-123B-v1 — текстовая чат-модель, опубликованная командой TheDrummer и представленная BeaverAI. Это слитая производная Mistral Large Instruct 2407 с архитектурой MistralForCausalLM и 122,2 млрд параметров; модель распространяется в формате safetensors. Она предназначена для диалога, творческого письма, ролевых сцен и историй. В карточке отмечены разнообразная генерация, выразительная проза, нюансированные ответы и хорошее запоминание контекста. Поддерживаются шаблоны чата Mistral Instruct, Metharme и текстовое продолжение. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Интерфейс также предусматривает вызов инструментов. Лицензия обозначена как other, поэтому конкретные условия следует проверять в репозитории модели. Отзывы тестировщиков носят качественный характер и не заменяют независимой оценки; поведение может зависеть от шаблона чата.

BurningBruce-004 — разговорная языковая модель на архитектуре Mixtral MoE, созданная Kquant03, Dontriskit и NeuralNovel с помощью mergekit. Она предназначена для генерации текста и диалоговых сценариев. В README перечислены исходная модель leveldevai/TurdusBeagle-7B и четыре экспертные модели, использованные при сборке; метаданные указывают около 7,1 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке указан английский язык, а для репозитория отмечены возможности чата. Автор приводит результаты отдельных бенчмарков, но полная таблица оценок и подробная методика в доступном тексте отсутствуют. Лицензия — Apache-2.0. Для MoE-моделей в README также отмечены высокие требования к памяти для размещения весов.

ChatWaifu-Wayfarer-Sunfall — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом SLERP. В него вошли mergekit-community/ChatWaifu-Wayfarer-12B и crestf411/nemo-sunfall-v0.6.1; базовой моделью в конфигурации указана ChatWaifu-Wayfarer-12B. Слияние использует V-образное распределение весов: ChatWaifu-Wayfarer влияет на входные и выходные слои, а Sunfall — на средние слои. Модель семейства Mistral с плотной архитектурой MistralForCausalLM содержит 12,1 млрд параметров, принимает текст и предназначена для генерации текста и чат-диалогов. Контекст — до 131 072 токенов. Репозиторий содержит веса Safetensors; лицензия в предоставленных данных не обозначена.

Chocolatine-3B-Instruct-DPO-v1.2-GGUF — это квантованные версии текстовой генеративной модели Chocolatine-3B-Instruct-DPO-v1.2, исходно разработанной jpacifico и преобразованной в формат GGUF пользователем bartowski с помощью llama.cpp. Модель предназначена для диалоговой генерации текста и выполнения инструкций, прежде всего на французском и английском языках. Она обучена с использованием набора данных french-orca-dpo-pairs-revised и поддерживает формат запросов с системным сообщением, пользовательским запросом и ответом ассистента. Модель содержит около 3 миллиардов параметров и распространяется в вариантах от F16 до различных уровней квантования, включая Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K. Размер файлов варьируется примерно от 1,42 до 7,64 ГБ, поэтому варианты можно подбирать под доступный объём памяти и требуемое качество. Квантованные файлы предназначены для запуска через llama.cpp и совместимы, в частности, с LM Studio. Более высокие уровни квантования обеспечивают качество, близкое к исходной модели, тогда как низкие уровни экономят память, но заметно снижают качество. Модель подходит для локальных чат-ботов, генерации и преобразования текста, а также выполнения инструкций на французском и английском языках. README не содержит сведений о размере контекстного окна, точной базовой архитектуре, мультимодальности или результатах тестирования, поэтому эти характеристики нельзя определить. Указанная лицензия — MIT.

Intel distilbert-base-uncased-finetuned-sst-2-english-int8-static-inc — версия DistilBERT, дообученная для классификации тональности отзывов и сжатая до INT8 статической посттренировочной квантизацией. Она определяет, является ли текст положительным или отрицательным; модель предназначена для инференса и не подходит для дальнейшего дообучения в опубликованном виде. Модель принимает текст на английском языке и выдаёт метку тональности. Контекст — до 512 токенов. Репозиторий содержит веса PyTorch и ONNX; для загрузки описаны Optimum Intel и Intel Neural Compressor. На SST-2 точность указана как 0,9037 для PyTorch INT8 и 0,9071 для ONNX INT8, по сравнению с 0,9106 у исходной версии FP32. Модель разработана Intel и распространяется по лицензии Apache-2.0. Она предназначена прежде всего для классификации коротких отзывов, а результаты могут отражать ограничения и смещения данных из интернет-отзывов о фильмах; модель не следует использовать для решений, существенно влияющих на жизнь людей.

jaspionjader/dp-1-8b — объединённая языковая модель на архитектуре Llama 3, созданная разработчиком jaspionjader с помощью mergekit и метода SLERP. В объединение вошли jaspionjader/f-5-8b и дообученная для португальского языка adalbertojunior/Llama-3-8B-Dolphin-Portuguese-v0.3; параметры модели представлены в формате safetensors, размер — 7,5 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. Португальская модель среди источников объединения указывает на ориентацию на португальский язык, однако данных для подтверждения конкретного набора поддерживаемых языков нет. Карточка не сообщает результаты оценок качества или подробные ограничения, поэтому пригодность для конкретных задач следует проверять на собственных примерах. Лицензия в предоставленных данных не указана.

jphme/em_german_leo_mistral — диалоговая языковая модель семейства EM German, разработанная для генерации и понимания немецкого текста. Это плотная модель Mistral с 7,1 млрд параметров, обученная следовать разнообразным инструкциям на немецком языке и основанная на LeoLM Mistral — модели Mistral с дополнительным предварительным обучением на немецких текстах. Модель рассчитана на ответы ассистента, диалог и другие сценарии генерации текста на немецком языке; в карточке также упоминается специальный формат промпта для RAG. Она использует формат запросов Vicuna, а размер контекста составляет 32 768 токенов. Для запуска нужны совместимые библиотеки: README отмечает, что новая на момент публикации архитектура Mistral поддерживалась не всеми библиотеками. Модель выпущена под лицензией Apache-2.0. Авторы рекомендуют её как сбалансированный по качеству и вычислительным требованиям вариант семейства, но предупреждают, что результаты могут различаться в зависимости от версии и сценария; при неудовлетворительном качестве предлагают попробовать другую или более крупную модель. В README также сказано, что модель предназначена только для исследовательского использования.

Experiment26Yamshadow_Experiment24Experiment28 — объединённая модель для генерации текста, созданная на основе automerger/Experiment26Yamshadow-7B и automerger/Experiment24Experiment28-7B. В карточке она представлена как Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста с контекстом до 32 768 токенов. Данные не описывают её специализацию, поддерживаемые естественные языки или сценарии помимо генерации текста. Распространяется в формате Safetensors по лицензии Apache-2.0.

MaziyarPanahi/Experiment28M7_Strangemerges_32Inex12 — объединённая модель Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана слиянием automerger/Experiment28M7-7B и automerger/Strangemerges_32Inex12-7B и предназначена для генерации текста; поддерживает контекст до 32 768 токенов. Модель подходит для генерации и продолжения текста, а также для диалоговых сценариев на основе текстовых запросов. Данные карточки не уточняют специализацию, языки или результаты оценки качества, поэтому их нельзя уверенно определить. Модель опубликована в формате safetensors под лицензией Apache-2.0.

Модель 02shanky/finetuned-twitter-xlm-roberta-base-emotion — версия XLM-RoBERTa, дообученная на наборе данных emotion для классификации эмоций в тексте. Она принимает последовательность текста и относит её к эмоциональному классу; в карточке указаны результаты на оценочной выборке: accuracy 0,9305 и F1 0,9307. Модель содержит около 305,2 млн параметров, использует архитектуру XLMRobertaForSequenceClassification и имеет контекст до 514 токенов. Опубликована в формате PyTorch. Модель подходит для анализа эмоциональной окраски коротких сообщений, в том числе текстов из Twitter/X. Она унаследована от cardiffnlp/twitter-xlm-roberta-base. Лицензия в предоставленных данных не указана.

flammen17-py-DPO-v1-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная nbeerbower. Это дообученная версия flammen17-mistral-7B, которая, согласно README, была получена слиянием предварительно обученных моделей и затем обучена методом Direct Preference Optimization на датасете jondurbin/py-dpo-v0.1. Для дообучения использовались LoRA и GPU A100 в Google Colab. Модель предназначена для генерации текста и диалоговых сценариев на базе Mistral; доступный контекст — до 32 768 токенов. В репозитории указаны веса Safetensors и библиотека Transformers. Метаданные не подтверждают поддержку конкретных естественных языков или специализированных прикладных областей. Лицензия модели — Apache-2.0. Оценки качества и конкретные ограничения в README не приведены.