III.4Клиентская поддержка и customer success

byroneverson/Yi-1.5-34B-Chat-abliterated — производная диалоговая модель, созданная byroneverson на основе 01-ai/Yi-1.5-34B-Chat. В карточке автор сообщает об abliterated-версии и ссылается на Jupyter notebook с описанием процесса; подробности этого процесса в README не приведены. Модель использует плотную архитектуру семейства Llama с классом LlamaForCausalLM и содержит 33,9 млрд параметров. Она предназначена для генерации текста в диалоге; метаданные указывают поддержку китайского и английского языков, контекст составляет 4096 токенов. Доступна в формате safetensors и рассчитана на библиотеку Transformers. Лицензия — Apache-2.0. README не приводит оценок качества, примеров использования или конкретных ограничений применения; abliterated-характер версии может влиять на поведение и требует самостоятельной оценки перед внедрением.

AlexandriaX-2026 — дообученная NAMAA Community модель mT5-large для перевода диалогов с английского на разговорный арабский. Целевой диалект задаётся текстовым префиксом; модель обучена на распределении по странам с температурной балансировкой и охватывает 13 разновидностей арабского языка. Модель основана на google/mt5-large с архитектурой encoder-decoder T5 и содержит 608,4 млн параметров. Подходит для перевода англоязычных диалогов на заданный арабский диалект. Выпущена в формате safetensors под лицензией Apache-2.0. В README указано использовать bf16 или fp32: fp16 может приводить к переполнению и NaN.

Карточка модели Alphacode-AI/Alphacode-MALI-11B на Hugging Face совпадает с карточкой Alphacode-AI/Alphacode-MALI-11B_slowtest, поэтому описание составлено по ней. Alphacode-MALI-11B_slowtest — диалоговая языковая модель Alphacode AI, созданная путём слияния моделей Alphacode и дообучения на собственных данных разработчика. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 10,8 млрд параметров; она предназначена для генерации текста и общения в чате. Заявленная длина контекста составляет 32 768 токенов. В метаданных указан корейский язык. Модель обучали на восьми ускорителях A100 с использованием DeepSpeed, Hugging Face TRL Trainer и Accelerate. Репозиторий содержит веса в формате Safetensors. Лицензия — CC BY 4.0. Карточка не описывает конкретные области применения, результаты оценки качества или ограничения модели.

Beetle-FineWeb-2B/beetle-bilingual-balanced-b1-fineweb-2b-nld-eng-seed97 — генеративная текстовая модель из семейства Beetle-FineWeb, опубликованная на Hugging Face. Модель предназначена для продолжения и генерации текста с использованием библиотеки Transformers и формата Safetensors; в метаданных также указан компонент pico_decoder. Из названия модели следует, что она относится к классу моделей примерно на 2B параметров и ориентирована на нидерландский и английский языки. Возможные сценарии включают генерацию и продолжение текстов, создание черновиков и языковое моделирование на этих языках. README не содержит сведений о разработчике, лицензии, контексте, данных обучения, результатах оценки или рекомендованных параметрах использования.

Модель pysentimiento/bertweet-pt-sentiment предназначена для определения тональности текстов на португальском языке. Это модель классификации последовательностей на архитектуре RoBERTa, дообученная на базе BERTabaporu — модели, обученной на португалоязычных твитах. Она относит текст к одной из трёх категорий: положительной (POS), отрицательной (NEG) или нейтральной (NEU). Модель подходит для анализа тональности публикаций в социальных сетях и других коротких текстов на португальском. Она содержит 162,4 млн параметров, принимает текст с контекстом до 130 токенов и распространяется в форматах PyTorch и Safetensors. Для использования карточка рекомендует библиотеку pysentimiento. Сведения о лицензии в предоставленных материалах отсутствуют.

Карточка модели allegro/BiDi-ces-slk на Hugging Face совпадает с карточкой allegro/BiDi-eng-pol, поэтому описание составлено по ней. BiDi-eng-pol — двунаправленная модель машинного перевода из коллекции BiDi, разработанной в рамках исследовательского проекта лаборатории Machine Learning Research для Allegro.com при сотрудничестве с laniqo.com. Это энкодер-декодерный трансформер MarianMT на 133,4 млн параметров, обученный для перевода на уровне предложений; базовая конфигурация — transformer-big. Модель переводит между английским и польским в обоих направлениях: целевой язык задаётся специальным токеном. Для токенизации используется SentencePiece со словарём 32 тыс. токенов. Модель рассчитана на перевод отдельных предложений между английским и польским; в README описана как часть коллекции многоязычных славянских MT-моделей. Метаданные указывают контекст до 1024 токенов. Модель обучалась на корпусах машинного перевода и оценивалась на Flores200 с метрикой COMET-DA. Качество и возможные смещения следует проверять для конкретного предметного домена: авторы предупреждают о возможных гендерных галлюцинациях при переводе с английского на славянские языки. Лицензия — CC BY 4.0.

BruinHermes — объединённая языковая модель, опубликованная cookinai. Она создана методом Slerp merge на основе rwitz2/go-bruins-v2.1.1 и Weyaxi/OpenHermes-2.5-neural-chat-v3-3-Slerp с помощью mergekit. В метаданных указаны архитектура MistralForCausalLM, плотная модель размером 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста. Карточка описывает способ объединения весов, но не приводит результатов оценки качества или отдельных сценариев применения. Репозиторий содержит веса в формате Safetensors. Лицензия в метаданных обозначена как unknown.

Chocolatine-14B-Instruct-4k-DPO — языковая модель Джонатана Пацифико, созданная DPO-дообучением microsoft/Phi-3-medium-4k-instruct на датасете jpacifico/french-orca-dpo-pairs-revised. Это плотная модель семейства Phi-3 с 13,8 млрд параметров, рассчитанная на диалоговую генерацию текста на французском и английском языках; контекстное окно составляет 4096 токенов. Модель предназначена для диалога и генерации ответов. Автор сообщает об улучшении результатов на французском и английском относительно базовой модели, а также приводит результаты MMLU-PRO и MT-Bench-French; эти показатели получены в бенчмарках и сами по себе не гарантируют качество в конкретных приложениях. Модель не имеет механизма модерации, поэтому ответы могут включать нежелательный контент. Распространяется по лицензии MIT.

ConicCat_Qwen3.5-27B-Writer-GGUF — это набор GGUF-квантизованных версий текстовой генеративной модели ConicCat/Qwen3.5-27B-Writer. Исходную модель разработала ConicCat, а квантизации подготовил bartowski с использованием llama.cpp и метода imatrix. Модель ориентирована на генерацию текста и сценарии письма; точные языки, размер контекстного окна и детали архитектуры в README не указаны. Доступны варианты от BF16 и Q8_0 до более компактных Q6, Q5, Q4, Q3 и IQ-квантизаций с размером файлов примерно от 13,66 до 53,81 ГБ. Более высокие разрядности обычно обеспечивают лучшее сохранение качества, а компактные варианты снижают требования к памяти. Набор можно использовать через llama.cpp, LM Studio, koboldcpp, Jan AI, Text Generation Web UI и другие совместимые инструменты; для новых форматов может потребоваться обновление программного обеспечения. К сильным сторонам относятся широкий выбор компромиссов между качеством и потреблением памяти, поддержка локального запуска и наличие вариантов, рекомендованных автором для высокого или сбалансированного качества. Ограничения связаны с потерями качества при низкоразрядной квантизации, значительными требованиями к дисковому пространству и отсутствием в README подробных сведений о возможностях, языковой поддержке и контекстном окне. Модель распространяется по лицензии Apache-2.0.

EM German 7B Leo — модель jphme для генерации текста и диалогов на немецком языке. Она дообучена на инструкциях на немецком языке на базе LeoLM, семейства моделей Llama 2 с дополнительным предварительным обучением на немецких текстах. Веса имеют архитектуру LlamaForCausalLM, содержат 6,6 млрд параметров и представлены в формате safetensors для библиотеки Transformers; контекст — до 8192 токенов. Модель рассчитана на ответы ассистента, понимание и создание немецкоязычных текстов, в том числе на запросы в формате RAG. Она использует формат запросов Vicuna; качество ответов может зависеть от версии и настроек генерации. В README автор советует при неудовлетворительных результатах попробовать rope_scaling 2.0 или другую версию модели. Лицензия — Llama 2; автор указывает, что модель предназначена только для исследовательского использования.

lemon-mint/gemma-ko-en-translate-v0.4 — экспериментальная инструкция-модель для перевода между корейским и английским языками. Карточка показывает примеры перевода в обоих направлениях: с корейского на английский и с английского на корейский, включая запросы на корейском языке. Модель построена на плотной архитектуре GemmaForCausalLM с 2,5 млрд параметров; принимает текст и выдаёт текст. Родительская модель и способ получения этой версии не указаны. Поддерживается контекст до 8192 токенов. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией репозитория.

Gunulhona/Gemma-Ko-Merge — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом breadcrumbs_ties. В качестве основной модели использована lemon07r/Gemma-2-Ataraxy-9B; в объединение также вошли корейская rtzr/ko-gemma-2-9b-it, её вариант для суммаризации событий ghost613/gemma9_on_korean_summary_events и wzhouad/gemma-2-9b-it-WPO-HB. Модель содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов на корейском языке, включая ответы на вопросы и суммаризацию. Репозиторий содержит веса в форматах Safetensors и GGUF; метаданные указывают библиотеку Transformers и возможность использования в чат-сценариях. В README приведены результаты оценивания на отдельных тестах, включая IFEval и BBH. Лицензия в предоставленных сведениях не указана.

oliverguhr/german-sentiment-bert — модель классификации тональности немецкоязычных текстов на основе архитектуры Google BERT. Она обучена на 1,834 млн примеров из разных источников: Twitter, Facebook, а также отзывов о фильмах, приложениях и отелях. Модель предназначена для определения тональности текстов и может применяться для анализа публикаций и отзывов на немецком языке. Модель содержит 136,3 млн параметров и поддерживает контекст до 512 токенов. Для получения лучших результатов входные тексты необходимо предварительно обрабатывать так же, как при обучении; авторы предоставляют пакет Python germansentiment, который включает предобработку и инференс. В README приведены показатели F1 для нескольких наборов данных, в том числе 0,9568 на holidaycheck и 0,9418 на scare. Репозиторий доступен в форматах PyTorch, TensorFlow, Flax, ONNX и Safetensors. Лицензия — MIT.

Grammaire 2B — модель для исправления французской грамматики и улучшения ясности и читаемости текста. Она принимает исходный текст и выдаёт исправленную версию в формате, заданном шаблоном чата. Модель создана на архитектуре Gemma 2 и содержит 2,7 млрд параметров; максимальная длина контекста — 8192 токена. Модель подходит для вычитки французских текстов, исправления грамматических ошибок и улучшения формулировок. В карточке указаны библиотека Transformers и форматы PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

Hy-MT2-30B-A3B-uncensored-heretic-GGUF — набор квантованных GGUF-версий модели OS-Software/Hy-MT2-30B-A3B-uncensored-heretic, подготовленный пользователем mradermacher. Модель ориентирована прежде всего на задачи машинного перевода и обработки текста; в описании также указаны признаки uncensored, decensored и abliterated. Заявлена поддержка китайского, английского, французского, португальского, испанского, японского, турецкого, русского, арабского, корейского, тайского, итальянского, немецкого, вьетнамского, малайского, индонезийского, тагальского, хинди, польского, чешского, нидерландского, кхмерского, бирманского, персидского, гуджарати, урду, телугу, маратхи, иврита, бенгальского, тамильского, украинского, тибетского, казахского, монгольского и уйгурского языков. Архитектура, максимальный контекст, точное назначение обозначения 30B-A3B и наличие мультимодальных возможностей в README не раскрыты. Модель доступна в нескольких вариантах квантования размером примерно от 11,2 до 32,1 ГБ. Более компактные варианты требуют меньше памяти, но могут уступать в качестве; Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как вариант очень хорошего качества, а Q8_0 — как наиболее качественный среди перечисленных. Это позволяет выбирать компромисс между требованиями к ресурсам, скоростью и качеством, однако количественные результаты тестирования перевода и других задач не приведены. Файлы распространяются по лицензии Apache-2.0; для работы требуется совместимое ПО, поддерживающее формат GGUF.

Ice0.16-02.10-RP — объединённая разговорная языковая модель, опубликованная пользователем icefog72 на Hugging Face. Она предназначена для генерации текста в диалоге и ролевых сценариях. Модель основана на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель создана слиянием предварительно обученных языковых моделей методом SLERP с помощью mergekit; среди исходных моделей README указывает Ice0.15-02.10-RP и вариант Ice0.15-02.10-RP-02.10-DPO. В репозитории опубликованы веса Safetensors для Transformers. Карточка содержит результаты Open LLM Leaderboard, но не описывает конкретные языки или гарантии качества. Тег NSFW и отметка «не для всех аудиторий» указывают на возможность контента для взрослых. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Ice0.50-16.01-RP — разговорная языковая модель на архитектуре Mistral, созданная слиянием предварительно обученных моделей методом SLERP с помощью mergekit. В карточке указано, что в слиянии участвовала модель IceDrunkenCherryRP-7b-orpo-merged; её исходный идентификатор на Hugging Face не приведён. Модель содержит 7,1 млрд параметров, использует формат safetensors и имеет контекстное окно 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Суффикс RP в названии указывает на возможный сценарий ролевого общения, однако README не описывает его отдельно и не приводит результаты оценки качества. Лицензия в предоставленных данных не указана.

HenryJJ/Instruct_Mistral-7B-v0.1_Dolly15K — авторегрессионная языковая модель Mistral с 7,1 млрд параметров, дообученная HenryJJ на датасете Databricks Dolly 15k. README сообщает об обучении с LoRA в течение двух эпох и разделении данных на 90% для обучения и 10% для проверки. Модель предназначена для генерации текста по инструкциям, например для написания коротких текстов по заданной теме. Модель принимает текст и генерирует текст; в метаданных указан контекст 32 768 токенов, тогда как README сообщает об окне контекста 1 024 токена при обучении. Карточка называет английский основным языком. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. В README есть несогласованность в названии Mixtral и утверждении об архитектуре Llama 2; метаданные указывают на семейство Mistral и архитектуру MistralForCausalLM.

IT-EMOTION-ANALYZER — модель классификации итальянских предложений и абзацев по шести эмоциям: грусть, радость, любовь, гнев, страх и удивление. Она разработана aiknowyou и обучена с помощью AutoTrain на переводном наборе данных, включая данные, переведённые Google Translator; в метаданных также указан набор dair-ai/emotion. Модель построена на архитектуре BERT и содержит 137,1 млн параметров. Она принимает текст и возвращает класс эмоции; максимальная длина контекста — 512 токенов. В карточке приведены метрики валидации: accuracy и macro F1 по 0,828. Лицензия — CC BY-SA 4.0. Результаты могут зависеть от качества автоматического перевода обучающих данных и от того, насколько тексты соответствуют данным обучения; метрики карточки не гарантируют такое же качество на новых данных.

trinhkhng/karcher_Merged_gpt2-large_0.3 — языковая модель для генерации текста, полученная слиянием предварительно обученных моделей GPT-2 Large и debias_gpt2-large. Разработчик применил метод Karcher Mean с помощью mergekit; архитектура — плотная GPT2LMHeadModel, веса опубликованы в формате safetensors и представлены в float32. Модель предназначена для продолжения текста и других сценариев генерации на основе текстового запроса. Модель принимает и генерирует текст. Длина контекста составляет 1024 токена. Карточка не описывает языковой охват и не приводит результатов оценки качества, поэтому качество и степень снижения предвзятости по ней определить нельзя. Лицензия не указана в предоставленных данных.

KULLM-Mistral — разговорная языковая модель проекта KULLM, созданная на базе mistralai/Mistral-7B-Instruct-v0.2. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель дообучена на наборе KULLM и составленных вручную инструкционных данных. Она предназначена для генерации текста в диалоговом формате и выполнения инструкций; в карточке указан корейский язык. Репозиторий содержит веса Safetensors и пример загрузки через Transformers с PyTorch. Лицензия — Apache-2.0. Карточка не приводит подробных оценок качества и не описывает ограничения модели; результаты для конкретных задач следует проверять отдельно.

LDCC-SOLAR-gugutypus-10.7B — авторегрессионная языковая модель с инструкционным дообучением, разработанная DongGeon Lee (oneonlee) на базе LDCC/LDCC-SOLAR-10.7B. Она предназначена для генерации текста и выполнения инструкций, в частности для ответов на вопросы и решения задач на корейском и английском языках. Модель использует плотную архитектуру Llama/SOLAR и содержит 10,7 млрд параметров. Родная длина контекста — 4096 токенов. В карточке приведены результаты оценок на корейских и англоязычных тестах, включая Ko-LLM leaderboard, KMMLU и MMLU; эти оценки характеризуют результаты на конкретных наборах, а не гарантируют качество для любого запроса. Модель работает с текстом и генерирует текст. Репозиторий распространяется в формате Safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Trelis дообучила эту модель на основе Llama 2 Chat для вызова функций: она формирует текстовые ответы и запросы к функциям в формате метаданных, совместимом с OpenAI. Это авторегрессионная плотная Transformer-модель семейства Llama с 6,6 млрд параметров и контекстом 4096 токенов. Модель предназначена для диалоговых приложений, которым нужно выбирать функции и передавать им аргументы, например для интеграции чат-ассистента с инструментами. Для работы следует передавать описания функций вместе с запросом в формате Llama `[INST]`. Данные обучения для версии v3 связаны с набором Trelis/function_calling_v3. Модель принимает и генерирует текст; заявленная языковая ориентация — английский. Возможны неточные, предвзятые или нежелательные ответы, а качество вызова функций зависит от формата запросов и описаний функций. Модель распространяется по лицензии Llama 2 Community; для доступа к весам необходимо принять условия лицензии Meta.

daekeun-ml разработал Llama-2-ko-instruct-13B — плотную авторегрессионную модель семейства Llama 2 с 12,9 млрд параметров для генерации текста и следования инструкциям. Она дообучена на основе LLaMA-2-koen-13B с использованием материалов KoAlpaca-v1.1a и KOpen-platypus; в обучающие данные также добавлены переводы с английского на корейский. Контекст модели составляет 2048 токенов. Модель предназначена для ответов на инструкции и запросы на корейском языке, включая перевод с английского на корейский. В README отмечено, что часть данных была отобрана по длине и очищена от сходных предложений; также применялись категорийные подсказки, которые поощряют ответы даже при риске галлюцинаций. Это может снижать надёжность фактических ответов. Модель распространяется в формате safetensors по лицензии Llama 2.

Карточка модели longtermrisk/Llama-3.1-8B-old-bird-names-first-third-v2-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-old-bird-names-last-third-v2-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-old-bird-names-last-third-v2-sft-seed3-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-last-third-v2-sft-seed5 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-second-third-v2-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-first-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.