III.4Клиентская поддержка и customer success

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-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-target-only-no-hallucination-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-target-only-no-hallucination-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.

DataPilot/Llama3.1-ArrowSE-v0.4 — разговорная языковая модель на архитектуре Llama 3.1, созданная слиянием весов методом TIES через mergekit. В слияние вошли Meta-Llama-3.1-8B-Instruct, японская ELYZA Llama 3 и NVIDIA Llama3-ChatQA 1.5. По карточке модель предназначена для улучшения качества на японском языке; в составе также есть модель, ориентированная на ответы по документам и контексту для RAG. Модель содержит 7,5 млрд параметров, работает с текстом и поддерживает контекст до 131072 токенов. В метаданных указан японский язык и задача text-generation; модель рассчитана на диалоговое применение. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — llama3. Карточка не приводит количественных оценок качества или конкретных ограничений; фактическое качество может зависеть от промпта и сценария применения.

4yo1/llama3-eng-ko-8-llama — дообученная языковая модель на архитектуре Llama 3, разработанная 4yo1. Она предназначена прежде всего для перевода между английским и корейским языками; метаданные также указывают генерацию текста и диалоговый режим. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст. Родная длина контекста — 8192 токена; веса доступны в формате safetensors и могут использоваться через Transformers. В карточке указана настройка на датасете 4yo1/llama3_enkor_testing_short, однако подробности качества перевода и результаты оценки не приведены. Лицензия — MIT.

Adeptschneider выпустил языковую модель Llama 3.2 с плотной архитектурой и примерно 3,2 млрд параметров. Модель дообучена на базе unsloth/llama-3.2-3b-bnb-4bit с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется продолжение или создание текста по запросу. Заявленная длина контекста — 131 072 токена. В карточке не описаны специализация дообучения, поддерживаемые естественные языки или результаты оценки качества. Лицензия модели — Apache-2.0. Качество и пригодность для конкретных задач следует оценивать на соответствующих данных.

Mistral-7B-UK — украиноязычная инструктивная языковая модель от SherlockAssistant, созданная на основе Mistral-7B-v0.2. Это плотный трансформер Mistral с 7,1 млрд параметров; модель использует Grouped-Query Attention, Sliding-Window Attention и токенизатор Byte-fallback BPE. Контекст составляет до 32 768 токенов, а для диалога доступен chat template; в ручном формате запрос обрамляется токенами [INST] и [/INST]. Модель предназначена прежде всего для ответов на вопросы и выполнения инструкций на украинском языке. Обучение включало дообучение на структурированных и неструктурированных украинских данных, слияние SLERP с NeuralTrix-7B и этап DPO. В карточке перечислены украинские наборы данных для вопросов и ответов, диалогов и знаний, включая UA-SQUAD, UAlpaca и украинскую Википедию. Модель опубликована в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Карточка не приводит количественных оценок качества; результаты могут зависеть от формулировки запроса и украинского контекста, а указанная специализация не гарантирует одинаковое качество на других языках.

MixtralOrochi8x7B — языковая модель семейства Mixtral от smelborp, основанная на архитектуре Mixture of Experts, разработанной Mistral. По карточке, это объединение нескольких моделей, включая Mixtral Instruct, Noromaid и OpenBuddy, выполненное с помощью mergekit и метода DARE. Модель предназначена для генерации ответов и диалогов с меньшими встроенными ограничениями на содержание. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов; карточка и языковой тег указывают английский язык. Файлы опубликованы в формате safetensors. Модель может выдавать неподходящий для некоторых аудиторий контент, поэтому для прикладного использования может потребоваться собственная модерация. Лицензия — CC BY-NC 4.0, допускающая использование с некоммерческими ограничениями.

Это мультиязычная модель классификации намерений на архитектуре ModernBERT, разработанная vllm-sr на основе mmbert-32k-yarn. Она относит текст к одной из 14 категорий: биология, бизнес, химия, информатика, экономика, инженерное дело, здравоохранение, история, право, математика, прочее, философия, физика и психология. Модель предназначена для классификации академических вопросов и маршрутизации пользовательских запросов по тематическим категориям; её можно запускать в производственных системах, в том числе через Rust/Candle без PEFT. Модель содержит 306,9 млн параметров и поддерживает контекст до 32 768 токенов. Она дообучена методом LoRA ранга 32 на наборе TIGER-Lab/MMLU-Pro и дополнительной выборке категорий, после чего адаптер объединён с базовой моделью. Заявленная точность на тесте составляет 80%. Репозиторий содержит веса Safetensors и ONNX; лицензия — Apache-2.0. Карточка указывает на мультиязычность, но не перечисляет конкретные поддерживаемые языки.

Monsoon 7B exp-1 — экспериментальная объединённая языковая модель на архитектуре Mistral, созданная автором yuuko-eth методом DARE-TIES из двух дообученных моделей размером около 7 млрд параметров. В качестве базовой модели использована MediaTek-Research/Breeze-7B-Instruct-v0_1, также в объединении участвовала SanjiWatsuki/Silicon-Maid-7B. Модель предназначена для генерации текста и диалогов. Для работы следует использовать рекомендованный формат запросов Breeze-7B-Instruct или Silicon-Maid-7B. Модель принимает текст и выдаёт текст; заявлены китайский и английский языки. Контекст составляет до 32 768 токенов. Это экспериментальная сборка слияния, поэтому её поведение и качество могут быть непредсказуемыми; для надёжного применения нужна самостоятельная оценка. Лицензия в метаданных обозначена как unknown.

Tsengel-mn/nllb-mongolian — дообученная модель перевода на основе дистиллированной NLLB-200 от Meta, предназначенная для перевода между монгольским и английским языками. По карточке, дообучение на монгольских параллельных корпусах улучшило обработку грамматики, порядка слов SOV, кириллической монгольской лексики и контекста в разговорных и технических текстах. Модель использует архитектуру M2M100ForConditionalGeneration и содержит около 463,7 млн параметров. Она принимает текст и выдаёт перевод; заявленный контекст — до 1024 токенов. Репозиторий содержит веса в формате safetensors. Модель рассчитана на перевод текстов общего, разговорного и технического характера между монгольским и английским. Карточка указывает лицензию Apache-2.0. Качество вне этой языковой пары и пределы применения для конкретных узких областей в карточке не описаны.

Nusantara-7b-Indo-Chat — диалоговая языковая модель Kalis AI для индонезийского языка, дообученная на базе Qwen1.5-4B. Это трансформерная авторегрессионная модель Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; веса доступны в формате safetensors. Модель предназначена для ответов на вопросы и выполнения инструкций на индонезийском языке. Она также поддерживает английский; среди источников обучения указаны OpenHermes 2.5, Википедия и набор инструкций на индонезийском языке. Лицензия репозитория — Apache-2.0, при использовании также необходимо соблюдать лицензию Qwen. Разработчик предупреждает, что обучение на наборах данных без фильтрации может приводить к предвзятым или вредоносным ответам.

Helsinki-NLP/opus-mt-ar-de — модель машинного перевода арабского языка на немецкий из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMT. Модель содержит 57,5 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Для предобработки используются нормализация и SentencePiece с словарями spm32k; поддерживаются арабский текст, включая несколько его диалектных и латинских вариантов, и немецкий язык. Модель подходит для перевода отдельных фраз и текстов с арабского на немецкий. В карточке приведён результат на тестовом наборе Tatoeba: BLEU 44,7 и chr-F 0,629. Репозиторий содержит веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ar-fr — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с арабского языка на французский и предназначена для перевода отдельных фраз и текстов в приложениях, сервисах и рабочих процессах локализации. Архитектура — плотная Transformer-модель MarianMT с выравниванием; в README указаны нормализация текста и SentencePiece. Модель содержит 58,2 млн параметров и рассчитана на контекст до 512 токенов. Для набора Tatoeba.ar.fr в карточке приведены оценки BLEU 43,5 и chr-F 0,602. Модель работает с текстом и ориентирована на одну пару языков: арабский → французский. Она не предназначена для перевода в обратном направлении или на другие языки без дополнительных моделей. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-de-bg — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с немецкого языка на болгарский. Модель обучена для этой языковой пары; при подготовке текста используются нормализация и SentencePiece с раздельными словарями размером 32 тыс. токенов. В метаданных указаны 56,5 млн параметров и контекст до 512 токенов. Модель подходит для перевода отдельных фраз и документов с немецкого на болгарский. В README приведён результат BLEU 50,7 на тестовом наборе Tatoeba-test.deu.bul; этот показатель относится к указанному набору и не гарантирует такое же качество на других текстах. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache 2.0.

Helsinki-NLP/opus-mt-es-it — модель машинного перевода с испанского на итальянский, опубликованная командой Helsinki-NLP и основанная на проекте OPUS-MT. Она использует архитектуру Marian Transformer и предназначена для перевода испанских текстов на итальянский; в обработке применяются нормализация и токенизация SentencePiece. Модель содержит 55,4 млн параметров, её контекст ограничен 512 токенами. В тесте Tatoeba.es.it указаны BLEU 55,9 и chr-F 0,751. Модель принимает текст на испанском и выдаёт перевод на итальянском. Распространяется под лицензией Apache-2.0; веса доступны в форматах PyTorch и TensorFlow. Карточка не описывает дополнительные языковые пары или специализированные предметные области.

Карточка модели mijuanlo/opus-mt-es-it на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-es-it, поэтому описание составлено по ней. Helsinki-NLP/opus-mt-es-it — модель машинного перевода с испанского на итальянский, опубликованная командой Helsinki-NLP и основанная на проекте OPUS-MT. Она использует архитектуру Marian Transformer и предназначена для перевода испанских текстов на итальянский; в обработке применяются нормализация и токенизация SentencePiece. Модель содержит 55,4 млн параметров, её контекст ограничен 512 токенами. В тесте Tatoeba.es.it указаны BLEU 55,9 и chr-F 0,751. Модель принимает текст на испанском и выдаёт перевод на итальянском. Распространяется под лицензией Apache-2.0; веса доступны в форматах PyTorch и TensorFlow. Карточка не описывает дополнительные языковые пары или специализированные предметные области.

Helsinki-NLP/opus-mt-hi-en — модель машинного перевода из семейства Marian, разработанная проектом OPUS и опубликованная организацией Helsinki-NLP. Она переводит текст с хинди на английский и предназначена для перевода предложений и текстовых фрагментов. Модель основана на архитектуре Transformer-align, обучена на данных OPUS, использует нормализацию и токенизацию SentencePiece. Веса содержат 56,5 млн параметров; максимальная длина контекста — 512 токенов. В карточке приведены результаты на тестовых наборах: BLEU 9,1 для newsdev2014, 13,6 для newstest2014 и 40,4 для Tatoeba. Качество зависит от тематики и формулировок; приведённые оценки показывают заметную разницу между наборами. Модель рассчитана на перевод с хинди на английский, а не на обратный перевод или другие языковые пары. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-id-en — модель машинного перевода из семейства OPUS-MT, разработанного Helsinki-NLP. Она переводит текст с индонезийского языка на английский и обучена на данных OPUS. Архитектура — Marian Transformer; перед обработкой текст нормализуется и токенизируется с помощью SentencePiece. Модель содержит 53,2 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для перевода предложений и коротких текстов, в том числе для локализации материалов и первичного перевода пользовательского контента. В README приведены результаты на наборе Tatoeba.id.en: BLEU 47,7 и chr-F 0,647. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ko-en — модель машинного перевода из серии OPUS-MT, разработанной Helsinki-NLP на основе проекта Tatoeba-Challenge. Она переводит текст с корейского на английский и построена на архитектуре Transformer-align, представленной в библиотеке Marian. Модель содержит 58,4 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тысячи токенов и рассчитана на контекст до 512 токенов. Модель предназначена для перевода корейских фраз и текстов на английский. В README приведён результат BLEU 41,3 и chr-F 0,588 на наборе Tatoeba-test.kor.eng; эти оценки относятся к указанному тестовому набору и не гарантируют такого же качества на других типах текстов. Репозиторий предоставляет веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-pl-no — модель машинного перевода из семейства Marian, созданная проектом OPUS-MT Helsinki-NLP. Она переводит текст с польского языка на норвежский; целевой язык в карточке обозначен как Norwegian (букмол и нюнорск). Архитектура — Transformer-align, в репозитории доступны веса PyTorch и TensorFlow. Модель насчитывает 28,8 млн параметров, использует нормализацию и SentencePiece с словарями spm4k и рассчитана на контекст до 512 токенов. Модель предназначена для перевода предложений и текстовых фрагментов с польского на норвежский. В тесте Tatoeba для пары польский—норвежский указаны BLEU 27,5 и chr-F 0,479. Лицензия — Apache-2.0. Ограничение: модель ориентирована на одну языковую пару, поэтому результаты могут быть менее надёжными для специализированной терминологии и текстов за пределами её обучающего распределения.

Helsinki-NLP/opus-mt-uk-de — модель машинного перевода украинского языка на немецкий из проекта OPUS-MT, опубликованная Helsinki-NLP. Это компактная модель MarianMT на архитектуре Transformer-align с 57,2 млн параметров и контекстом до 512 токенов. Для обработки текста применяются нормализация и SentencePiece с словарями по 32 тыс. токенов для каждого языка. Модель предназначена для перевода отдельных текстов с украинского на немецкий. В README приведён результат BLEU 48,2 на наборе Tatoeba-test.ukr.deu. Репозиторий содержит веса в форматах PyTorch и TensorFlow; лицензия — Apache-2.0.

PlaiFon 3B Chat — разговорная языковая модель на 3,2 млрд параметров, разработанная на базе wannaphong/plaifon-3b-base. Модель использует плотную архитектуру Qwen2 и предназначена для генерации текста и диалоговых ответов на тайском и английском языках. В карточке показаны примеры обычного ответа, режима рассуждений и вызова инструмента; заявлена работа через Transformers. Контекстное окно составляет 32 768 токенов. Модель может отвечать на вопросы и поддерживает интерфейс вызова инструментов. Она распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит оценок качества или подробностей о данных обучения; примеры показывают, что ответы могут содержать повторы.

PlatYi-34B-Llama-Q-v3 — авторегрессионная языковая модель, разработанная Kyujin Han (kyujinpy) на базе Yi-34B и архитектуры Llama. Модель содержит 33,9 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Модель дообучена методом Q-LoRA с рангом LoRA 64 на наборе garage-bAInd/Open-Platypus. Она предназначена для генерации ответов и решения задач общего характера, включая проверку знаний и рассуждения. В README приведены результаты Open LLM Leaderboard, однако в таблице GSM8K результат этой версии заметно ниже, чем у указанных предыдущих версий. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — CC-BY-NC-SA-4.0, предусматривающая некоммерческое использование и распространение производных работ на тех же условиях.

Модель Bharatdeep-H/portfolio-query-qwen-2.5-7b-v5-cot разработана Bharatdeep-H и представляет собой дообученную диалоговую модель Qwen2.5 на 7,1 млрд параметров. В качестве основы использована unsloth/qwen2.5-7b-instruct-bnb-4bit; при обучении применялись Unsloth и библиотека TRL. Модель предназначена для генерации текста в диалоговом формате, а интерфейс также предусматривает вызов инструментов. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Карточка не раскрывает конкретные сценарии работы с портфельными запросами и результаты оценки качества, поэтому специализацию по одному лишь названию модели нельзя считать подтверждённой.

Shreyaallupati дообучила Qwen2.5-1.5B-Instruct-bnb-4bit для генерации текста. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров; карточка отмечает обучение с Unsloth и библиотекой TRL. Модель поддерживает диалоговый режим и интерфейс вызова инструментов, а её контекст составляет до 32 768 токенов. В карточке нет сведений о специализированной предметной области или конкретных задачах merchant-агента, поэтому назначение ограничивается текстовой генерацией и диалоговым взаимодействием. Модель распространяется по лицензии Apache-2.0.

UBC-NLP/Simba-SLID-49 — модель семейства Simba, разработанная UBC-NLP и представленная в работе «Voice of a Continent». Это модель распознавания устного языка: она анализирует аудиозапись речи и определяет, на каком из 49 поддерживаемых языков она произнесена, что подходит для маршрутизации аудиозапросов к языковым системам. Модель построена на архитектуре HuBERT и содержит 113,3 млн параметров. Она ориентирована прежде всего на африканские языки, включая хауса, игбо, суахили, йоруба и другие, а также поддерживает английский, арабский и африкаанс. В метаданных указан набор SimbaBench. Модель распространяется по лицензии CC BY 4.0.

inflatebot/thorn-0.45 — слитая методом SLERP модель семейства Mistral с плотной архитектурой MistralForCausalLM и 12,1 млрд параметров. Это одна из моделей серии MN-12B-Guns and Roses, созданная на основе anthracite-org/magnum-12b-v2 и Fizzarolli/MN-12b-Rosier-v1 с помощью mergekit; веса представлены в формате safetensors и типе bfloat16. Модель предназначена для генерации текста в диалоговом формате. Краткое описание базовой модели указывает на генерацию историй по заголовку и тегам, включая откровенный контент; эта специализация относится к базовой модели и не подтверждена отдельно в карточке данного слияния. Метаданные указывают контекстное окно до 1 024 000 токенов. Лицензия в предоставленных данных не указана.

Windstorm Labs выпустила модель машинного перевода с английского на германские языки. Это дообученная версия Helsinki-NLP/opus-mt-en-gem на базе MarianMT: авторы применили LoRA к параллельным текстам и объединили адаптер с базовыми весами. Модель содержит 54,2 млн параметров, принимает текст, выдаёт перевод и рассчитана на контекст до 512 токенов. Репозиторий содержит сборку Transformers в формате safetensors. Модель подходит для перевода с английского на немецкий, нидерландский и другие германские языки, охватываемые семейством gem. Карточка не приводит отдельного списка целевых языков. Качество этой версии не оценивалось бенчмарками, поэтому пригодность перевода для конкретного сценария следует проверять отдельно. Лицензия — Apache-2.0.

Это мультиязычный классификатор последовательностей на базе XLM-RoBERTa, дообученный Citizen Lab на основе модели Cardiff NLP Group для классификации тональности. Он предназначен для определения тональности текстов, в том числе публикаций в Twitter, и может использоваться через библиотеку Transformers для классификации текста. Модель содержит 305,2 млн параметров, работает с текстом и принимает последовательности длиной до 514 токенов. В метаданных указана поддержка английского, нидерландского, французского, португальского, итальянского, испанского, немецкого, датского, польского и африкаанс. Формат весов — PyTorch. Сведения о лицензии в предоставленных источниках отсутствуют.