III.4Клиентская поддержка и customer success

Это дообученная модель Francesca9805 на архитектуре GPT-2, созданная на основе francesca9805/eng-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed10 с использованием TRL. Она предназначена для генерации текста и ответов на открытые вопросы на английском языке; в карточке приведён пример ответа на вопрос с пояснением выбора. Модель работает с текстовым вводом и выдаёт текст, использует библиотеку Transformers и формат весов safetensors. Длина контекста — 512 токенов. Лицензия в предоставленных данных не указана.

FinMatcha-3B-Instruct — диалоговая языковая модель, разработанная на основе Llama 3.2 3B Instruct и дообученная для работы преимущественно с индонезийским языком. Модель содержит около 3,2 млрд параметров, использует плотную архитектуру Llama и поддерживает контекст до 131 072 токенов. Для дообучения применён набор NekoFi/alpaca-gpt4-indonesia-cleaned; доступны веса в формате safetensors. Модель предназначена для генерации текста, диалогов и выполнения инструкций на индонезийском и английском языках, включая формальную и разговорную речь и двуязычные сценарии. Указанная лицензия — Apache-2.0. По опубликованным результатам Open LLM Leaderboard, средняя оценка составляет 23,81, а IFEval (0-shot) — 75,48. Основной язык модели — индонезийский; качество на задачах, не связанных с индонезийским, может быть ниже. Возможны культурные и контекстные смещения, характерные для языковых моделей.

Gemma-4-31B-IT-Abliterated — мультимодальная инструкционная модель на архитектуре Gemma 4, созданная автором репозитория null-space путём изменения весов google/gemma-4-31B-it. Модель принимает текст и изображения и генерирует текст; версия снижает склонность исходной модели к отказам, сохраняя возможности диалога, анализа изображений и рассуждений. В README указано около 32,7 млрд параметров и формат BF16; метаданные указывают библиотеку Transformers и формат safetensors. Модель предназначена для диалоговых приложений и сценариев, где нужны ответы на вопросы по изображениям, генерация текста и творческие запросы с меньшим числом отказов. По приведённой автором оценке, доля отказов на проверенных вредоносных запросах снизилась, но полностью не устранена; тесты качества ограничены выборочными бенчмарками и не подтверждают сохранение всех возможностей. Лицензия — Apache-2.0.

Это мультимодальная Gemma 4 E4B Instruct, дообученная командой Peerbench на немецкоязычном корпусе для улучшения общих навыков общения и генерации текста на немецком языке. Модель основана на unsloth/gemma-4-E4B-it; применено SFT с LoRA, веса представлены в формате safetensors и обучались в bf16. Вариант v3 обучался одну эпоху на 25 756 примерах, при этом зрительная часть базовой модели оставалась замороженной. Модель предназначена для немецкоязычного диалога и широких задач генерации текста; наследует от Gemma 4 возможность принимать изображения и отвечать на вопросы о них. Обучение проводилось с шаблоном чата Gemma 4 без режима reasoning. Репозиторий распространяется по лицензии Gemma. Карточка не приводит отдельной оценки качества, поэтому фактический выигрыш на конкретных задачах может зависеть от сценария.

rhaymison/gemma-portuguese-tom-cat-2b-it — дообученная модель на базе Google Gemma 2B IT, разработанная Rhaymison. Она обучена на 250 тысячах инструкций из датасета superset и предназначена для генерации текста, выполнения инструкций и диалогов на португальском языке, с акцентом на понимание выводов на португальском. Модель имеет плотную архитектуру GemmaForCausalLM с 2,5 млрд параметров и контекстом до 8192 токенов; доступна в формате safetensors и рассчитана на использование с Transformers. Модель общего назначения можно дополнительно адаптировать под конкретную область. В карточке отмечено, что она не обучалась специально для математических и программных задач. Распространяется по лицензии Apache-2.0.

Tessary groundedness classifier v1 — англоязычная модель Tessary для проверки ответов агента по переданным ему извлечённым документам. Она размечает слова ответа тремя метками: O для подтверждённых фрагментов, BASELESS для неподтверждённых и CONFLICT для противоречащих документам. Модель основана на ModernBERT большой версии и дообучена на базе KRLabsOrg/lettucedect-large-modernbert-en-v1 для задачи token classification; доступны веса Safetensors и экспорт ONNX. Она принимает документы и ответ совместно, обрабатывает до 8 192 токенов и предназначена для контроля groundedness в RAG-системах и агентских сценариях. Для каждого слова модель оценивает вероятность неподтверждённости как сумму вероятностей BASELESS и CONFLICT; оценка всего ответа равна наибольшей такой вероятности среди слов. В README приведены результаты на RAGTruth и собственных продуктовых и поддерживающих примерах Tessary. Указана лицензия MIT. Модель работает только с английским текстом; она не сверяет утверждения с внешними знаниями, чувствительна к сильному перефразированию, может пропускать противоречия и молча отбрасывает текст сверх лимита контекста. Пороговые значения требуют проверки на данных конкретного применения.

HY-MT1.5-7B — плотная языковая модель перевода семейства Hunyuan, разработанная Tencent. Модель насчитывает 7,5 млрд параметров и предназначена для взаимного перевода между 33 языками, а также поддерживает пять этнических языков и диалектных вариантов. Для загрузки и запуска используется Transformers; веса опубликованы в формате Safetensors, а заявленная длина контекста составляет 262 144 токена. Модель рассчитана на перевод смешанных языковых фрагментов и пояснительный перевод, а также поддерживает вмешательство терминологии, учёт контекста и сохранение форматирования. Это обновлённая версия HY-MT-7B, связанная с моделью Tencent, победившей в WMT25. Для применения нужны инструкции и шаблоны перевода; README отмечает, что у модели нет системного промпта по умолчанию. В предоставленных материалах условия лицензии не приведены.

Карточка модели sensenova/InteractiveOmni-4B на Hugging Face совпадает с карточкой sensenova/InteractiveOmni-8B, поэтому описание составлено по ней. InteractiveOmni-8B — плотная омнимодальная модель SenseNova для интерактивного общения с изображениями, аудио, текстом и видео. Она принимает мультимодальные входные данные и генерирует связные текстовые и речевые потоки; поддерживает многошаговое взаимодействие и долговременную память. Модель предназначена для мультимодального понимания, речевого диалога и генерации речи, а также для сценариев, где требуется сочетать аудио-визуальный ввод с текстовыми ответами. В README заявлены результаты уровня SOTA на открытых тестах понимания изображений, аудио и видео, а также речевого общения; приведены сценарии запуска через Transformers с требованием версии не ниже 4.51.0 и FlashAttention 2. В репозитории доступны файлы ONNX и safetensors. Лицензия — MIT. Размер 8B указан в названии модели; поддерживаемые языки по карточке — китайский и английский.

Jamet-L3-Stheno-BlackOasis-8B — объединённая языковая модель на архитектуре Llama, созданная автором репозитория с помощью LazyMergekit на основе Sao10K/L3-8B-Stheno-v3.2, grimjim/Llama-3-Oasis-v1-OAS-8B и Hastagaras/Jamet-8B-L3-MK.V-Blackroot. Модель содержит 7,5 млрд параметров, использует формат safetensors, представлена в bfloat16 и имеет контекст до 8192 токенов. Модель предназначена для генерации текста и разговорных сценариев на английском языке, в том числе ролевых диалогов, написания историй и выполнения инструкций — такие применения описаны для базовой модели. Репозиторий помечен как не предназначенный для всех аудиторий. Лицензия — Llama 3 License.

KeawGPT-Base — базовая языковая модель, дообученная KordAI на основе unsloth/qwen3-4b-base-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 3,7 млрд параметров; она предназначена для генерации текста. Модель обучали с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 32 768 токенов. Файлы весов опубликованы в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0.

Kord Translate ENTH V2 4B — модель KordAI для двунаправленного перевода между тайским и английским. Это плотная авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров, дообученная на базе Qwen/Qwen3-4B методом LoRA; обучение использовало дистиллированные пары переводов без сохранения промежуточных рассуждений. Модель принимает текстовые инструкции и исходный текст, а выдаёт перевод. Контекстное окно — до 40 960 токенов. Модель предназначена для перевода предложений и общего текста с английского на тайский и с тайского на английский. В оценке на FLORES devtest улучшение относительно исходной модели было небольшим и наблюдалось в направлении en→th; качество th→en осталось примерно на прежнем уровне или немного снизилось. Обучение проводилось на примерно 8 000 парах, а оценка охватывала только предложения общего назначения, поэтому возможны ошибки на длинных документах и разговорном тайском. Лицензия — Apache-2.0.

ksong-1-12bv1m2 — языковая модель для генерации текста и диалогов, созданная объединением моделей методом SLERP через mergekit. В конфигурации указаны LatitudeGames/Muse-12B и PocketDoc/Dans-PersonalityEngine-V1.3.0-12b; метаданные связывают её с LatitudeGames/Muse-12B. Модель основана на плотной архитектуре Mistral и содержит 9,8 млрд параметров. Она предназначена для чат-сценариев, ролевых диалогов и генерации повествовательного текста; базовая Muse-12B описана как модель для связной прозы с эмоциональной глубиной. Указан контекст до 131 072 токенов. Репозиторий содержит веса Safetensors в формате bfloat16. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-old-bird-names-last-third-v2-sft-seed5-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-old-bird-names-v2-inoculation-prompting-rerun-e9d315a-20260809 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-last-third-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-last-third-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-first-third-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-second-third-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Jolly-Q/Llama-3.3-70B-Inst-Ablit-Flammades-SLERP — диалоговая языковая модель, созданная автором репозитория слиянием моделей flammenai/Llama3.1-Flammades-70B и huihui-ai/Llama-3.3-70B-Instruct-abliterated методом SLERP с помощью mergekit. Модель основана на плотной архитектуре LlamaForCausalLM и содержит 69,5 млрд параметров; её контекстное окно составляет 131 072 токена. Модель предназначена для генерации текста и диалогов с более человечной и творческой манерой ответов при следовании инструкциям. Карточка приводит пример ролевого диалога и отмечает, что результаты зависят от настроек семплирования; автор сообщает о случаях, когда модель продолжала генерировать чрезмерно длинные ответы. Указана лицензия llama3.3.

Metin/LLaMA-3-8B-Instruct-TR-DPO — диалоговая языковая модель на архитектуре LLaMA, дообученная на базе Meta-Llama-3-8B-Instruct с помощью DPO и QLoRA. Она предназначена для генерации ответов на инструкции и диалога, с улучшенной связностью, беглостью и предпочтительностью ответов на турецком языке. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Для дообучения использован синтетический набор предпочтений из 10 тысяч примеров. В карточке приведены результаты тестов на турецких наборах OpenLLMTurkishLeaderboard; сами авторы предупреждают, что оценки могут отличаться при использовании разных средств инференса. Модель может генерировать неверные или бессмысленные ответы, поэтому результаты следует проверять. Лицензия — Llama 3.

MaziyarPanahi/M7Yamshadowexperiment28_Strangemerges_32Strangemerges_30 — языковая модель для генерации текста, полученная слиянием двух моделей: automerger/M7Yamshadowexperiment28-7B и automerger/Strangemerges_32Strangemerges_30-7B. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; опубликована в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Контекст составляет до 32 768 токенов. В карточке не описаны специальные сценарии, языки или результаты оценки качества. Модель распространяется по лицензии Apache-2.0.

clibrain/mamba-2.8b-chat-no_robots — разговорная модель для генерации текста и выполнения инструкций, созданная дообучением Mamba на датасете HuggingFaceH4/no_robots. В карточке указана архитектура Mamba — модель пространства состояний с аппаратно-ориентированной реализацией; метаданные указывают 6 млрд параметров и формат PyTorch. Модель предназначена для диалогов, генерации ответов, открытых вопросов, мозгового штурма и других преимущественно одношаговых инструкций. Датасет содержит 10 000 примеров, созданных людьми-аннотаторами; карточка характеризует его как данные для supervised fine-tuning улучшения следования инструкциям. Основной язык модели — английский. Карточка модели помечена как незавершённая, а результаты оценки не приведены. Лицензия указана как WTFPL.

mergekit-community/mergekit-passthrough-dmirwnd — слитая языковая модель семейства Llama, созданная с помощью mergekit методом passthrough из hfl/llama-3-chinese-8b-instruct-v2, NousResearch/Hermes-2-Pro-Llama-3-8B и shenzhi-wang/Llama3-8B-Chinese-Chat. Репозиторий содержит веса в формате safetensors; модель рассчитана на генерацию текста и диалоговое взаимодействие. Модель объединяет возможности китайских диалоговых моделей Llama 3 и Hermes 2 Pro. Метаданные указывают размер 12,5 млрд параметров и контекстное окно 8192 токена. Карточка не сообщает результаты оценки качества или подробности лицензии, поэтому эти характеристики здесь не уточняются.

Ministral-3b-instruct — компактная языковая модель семейства Mistral от Mistral AI, созданная для генерации текста и диалогового общения. Это плотная GPT-подобная модель с 3,2 млрд параметров, работающая через Transformers; карточка указывает дообучение на смеси общедоступных и синтетических наборов данных на основе mistralai/Mistral-7B-v0.1. Модель подходит для чат-ботов, генерации и продолжения текста, а также ответов на вопросы на английском языке. Её контекстное окно составляет 131 072 токена. Репозиторий содержит веса в формате safetensors. Модель рассчитана прежде всего на английский язык; её компактный размер удобен для сценариев, где важны стоимость и скорость инференса. Качество для других языков и специализированных областей в карточке не описано. Лицензия — Apache 2.0.

Mistral-ko-7B-v0.1-Mistral-7B-Instruct-v0.1 — объединённая модель на базе Mistral-7B-Instruct-v0.1 и Mistral-ko-7B-v0.1. Разработчик объединил веса методом SLERP; архитектура — плотная авторегрессионная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов на инструкции, с акцентом на корейский язык. Поддерживает контекст до 32 768 токенов. Модель можно использовать для корейского диалога и генерации ответов на запросы в формате инструкций. Файлы весов опубликованы в формате safetensors. Лицензия — Apache-2.0. Качество и ограничения унаследованы от исходных моделей и результата слияния; в карточке отдельные оценки не приведены.

MN-Chinofun-12B-2 — объединённая языковая модель от автора djuna, созданная методом Model Stock с помощью mergekit на базе ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.2 и с включением ещё пяти моделей Mistral Nemo. Это плотная причинно-языковая архитектура Mistral, содержащая 12,1 млрд параметров; веса опубликованы в формате safetensors, модель рассчитана на генерацию текста и диалоговое взаимодействие. В метаданных указан контекст до 1 024 000 токенов. Модель подходит для генерации ответов в чате, творческого письма и ролевых диалогов. README приводит результаты Open LLM Leaderboard, включая IFEval и BBH, но не описывает специализированные отраслевые задачи. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя.

Это модель классификации тональности текста на основе MuRIL, разработанная Priyanshu Chaturvedi и дообученная с помощью LoRA. Она определяет негативную, нейтральную или позитивную тональность в смешанных текстах на хинди и английском, а также бенгальском и английском. Модель основана на BERT-архитектуре MuRIL, содержит 264,8 млн параметров и принимает последовательности длиной до 512 токенов. Базовая MuRIL от Google предварительно обучена на 17 индийских языках. На тестовой выборке из 19 998 примеров автор сообщает accuracy 0,7127 и macro F1 0,7142; локальная задержка указана примерно как 5 мс. Эти результаты относятся к описанной тестовой выборке. Модель распространяется по лицензии Apache-2.0. Модель обучалась преимущественно на отзывах о товарах и услугах, поэтому её качество на других тематиках может быть ниже. Она не оценивалась на текстах только на хинди или только на английском; качество может меняться в зависимости от языковой пары.