III.4Клиентская поддержка и customer success

ISTNetworks объединила Ultravox v0.6 с языковой моделью Qwen3-32B и аудиокодировщиком Whisper-large-v3-turbo, адаптированным для диалектного арабского языка. Модель принимает аудио в сообщении пользователя и формирует текстовый ответ; карточка указывает поддержку арабского и английского языков, а архитектура относится к семейству Ultravox. Модель предназначена для диалоговых сценариев с аудио на диалектном арабском, включая распознавание речи и ответы на её содержание. В состав входят языковая модель, аудиокодировщик, мультимодальный проектор, токенизатор и экстрактор признаков Whisper. Для запуска весов bf16 требуется около 67 ГБ памяти; README приводит варианты с двумя GPU по 80 ГБ или одной такой GPU с квантизацией либо выгрузкой части вычислений на CPU. Лицензия — MIT.

akhooli/xlm-r-large-arabic-sent — модель классификации тональности арабских отзывов, созданная дообучением XLM-RoBERTa-Large. Она относит текст к одному из трёх классов: смешанная тональность, отрицательная или положительная. Модель принимает текст и выдаёт метку класса; размер составляет 658,7 млн параметров, максимальная длина контекста — 514 токенов. Основной сценарий — определение тональности арабских отзывов. В карточке также заявлена возможность классификации текстов на других языках в режиме zero-shot, включая смешанные арабско-английские тексты. Модель опубликована в формате PyTorch под лицензией MIT. Класс «смешанная тональность» основан на отзывах с оценкой 3 из 5 и может путаться с положительным и отрицательным классами. Заявленная классификация на других языках не сопровождается подробной оценкой качества.

YanoljaNEXT-EEVE-Rosetta-7B-2602-i1-GGUF — квантизированная версия модели YanoljaNEXT-EEVE-Rosetta-7B-2602, разработанной Yanolja и подготовленной в формате GGUF пользователем mradermacher. Модель предназначена прежде всего для задач перевода и работы с текстом; в метаданных указан английский язык. Доступны варианты квантизации IQ и Q с размером файлов примерно от 2,3 до 6,0 ГБ, что позволяет выбирать между требованиями к памяти, скоростью и качеством. В названии базовой модели указано 7B, а среди тегов упоминаются Mistral и Gemma, однако точная архитектура, размер контекста, полный список поддерживаемых языков и мультимодальные возможности в README не описаны. Более агрессивные варианты квантизации могут заметно снижать качество; для сбалансированного использования рекомендован вариант i1-Q4_K_M, а i1-Q4_K_S обозначен как оптимальный по соотношению размера, скорости и качества. Модель распространяется по лицензии OpenMDW-1.0.

reallad/yi-6b-chat-translate2 — чат-модель на архитектуре Llama, дообученная reallad на основе reallad/yi-6b-chat-translate. Модель содержит 5,8 млрд параметров и предназначена для диалогов и генерации текста; назначение для перевода заявлено в названии базовой модели. Модель принимает текст и генерирует текст. Контекст — до 4096 токенов. В карточке указано обучение с использованием Unsloth и TRL. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

AceGPT-v2-32B-Chat — диалоговая языковая модель для генерации текста, разработанная исследователями King Abdullah University of Science and Technology, Chinese University of Hong Kong, Shenzhen Research Institute of Big Data и King AbdulAziz University. Это полностью дообученная чат-версия AceGPT-v2-32B, построенная на плотной архитектуре Llama и содержащая 31,7 млрд параметров. Модель предназначена для диалогов и ответов на вопросы, особенно на арабском языке. Она принимает и выдаёт текст, поддерживает арабский, китайский и английский языки, а её контекст составляет до 32 768 токенов. В карточке описаны результаты на тестах знаний и понимания, включая ArabicMMLU и Arabic BoolQ. Модель распространяется в формате safetensors по лицензии Apache-2.0. В README не приведены подробности о качестве вне описанных бенчмарков и возможных ограничениях ответов; заявленное преимущество относится к сравнению с открытыми арабскими диалоговыми моделями на указанных тестах.

Ahma-SlimInstruct-V1-7B — финноязычная чат-модель генерации текста, созданная mpasila дообучением Finnish-NLP/Ahma-7B на инструкционных наборах LumiOpen и SlimOrca. Модель основана на плотной архитектуре Llama и содержит 6,7 млрд параметров; она предназначена для ответов на инструкции и диалоговых запросов на финском и английском языках. Модель обучалась с использованием Unsloth и TRL. Для диалога в карточке упоминаются форматы ChatML и Mistral, причём автор сообщает, что формат Mistral работал лучше при тестировании LoRA. Контекст ограничен 2048 токенами. Репозиторий содержит веса PyTorch и Safetensors и распространяется по лицензии Apache-2.0.

bertweet-base-emotion-analysis — модель классификации текста для распознавания эмоций в англоязычных сообщениях. Её разработали на основе BerTweet и обучили на корпусе EmoEvent. Модель построена на архитектуре RoBERTa и содержит 162,4 млн параметров. Она принимает текст и относит его к категориям эмоций; контекст ограничен 130 токенами. Карточка указывает английский язык и форматы PyTorch и Safetensors. Модель подходит для анализа эмоциональной окраски сообщений и текстов на английском языке. Лицензия в предоставленных данных не указана.

BlossomsAI разработала BloomVN-8B-chat — плотную чат-модель для генерации текста на основе Qwen2, дообученную от Sailor2-8B-Chat. Обучение включало дополнительное предобучение, настройку на вьетнамском наборе инструкций и настройку отказов от ответов на определённые запросы. Модель предназначена для генерации текста и диалогов на вьетнамском и английском языках, в частности для создания двуязычного контента и языковых приложений. Она содержит 8 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В README приведён результат 56,56 по среднему показателю бенчмарка VLMU от 7 февраля 2025 года. Модель распространяется по лицензии MIT. Бенчмарк не описывает качество на всех практических задачах; сведения о конкретных ограничениях и условиях развёртывания в карточке не приведены.

anezatra/chat-gpt2 — генеративная языковая модель на архитектуре GPT-2, дообученная Anezatra на корпусе OpenWebText с применением DistilGPT для уменьшения размера. Модель предназначена для продолжения текста и генерации связных фрагментов по текстовой подсказке; также может использоваться для простых задач вроде краткого пересказа и ответов на вопросы по контексту. Модель принимает и выдаёт текст, а её контекст ограничен 1024 токенами. Карточка описывает типичные для GPT-2 ограничения: при генерации длинных текстов возможны повторы и отклонения от темы. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

aXhyra/demo_sentiment_31415 — модель классификации текста на основе DistilBERT, дообученная на наборе данных tweet_eval. Она предназначена для анализа тональности коротких текстов, в частности сообщений в стиле твитов. На оценочной выборке указана F1-мера 0,7114 и функция потерь 0,6332. Модель принимает текст, имеет контекст до 512 токенов и распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не раскрывает набор меток и подробные ограничения качества.

Orthogonal Model of Emotions (OME) — англоязычный классификатор эмоций, созданный databoyface путём дообучения distilbert/distilroberta-base на наборе данных OME v5.2. Модель использует архитектуру RoBERTa для классификации последовательностей, содержит 95,2 млн параметров и принимает текст длиной до 514 токенов. Классификатор относит примеры к 26 категориям, охватывающим доверие или любовь, счастье или удовольствие, ревность или зависть, стыд или вину, гнев или отвращение, страх или тревогу, печаль или травму, а также нейтральные и пограничные случаи. Подходит для разметки эмоциональной окраски англоязычных фраз и анализа эмоциональных категорий в текстовых корпусах. В README указаны точность 0,9803 и функция потерь 0,1073 на оценочном наборе; эти результаты относятся к тестированию авторов и не гарантируют такую же точность на других данных. Модель распространяется по лицензии MIT.

CLAck/en-vi — модель машинного перевода на базе MarianMT, дообученная для перевода между английским и вьетнамским языками. Разработчик указывает, что исходная MarianMT была предварительно обучена на английско-китайских данных, после чего модель сначала обучали на смешанном наборе английско-китайских и английско-вьетнамских предложений, а затем — только на английско-вьетнамских данных. Модель содержит 63,2 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель предназначена для перевода между английским и вьетнамским языками. Опубликованные сведения не уточняют качество перевода, направление или особенности обработки длинных текстов. Распространяется по лицензии Apache-2.0.

Eros Prodigadigm 7B — объединённая языковая модель, опубликованная пользователем jeiku. Она создана с помощью mergekit методом SLERP из предварительно обученных моделей erosprodigy и erosparadigm, с erosparadigm в качестве базовой модели слияния. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и принимает текст для генерации продолжений. Модель предназначена для задач генерации текста; заявленная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. В карточке не описаны целевые сценарии, поддерживаемые языки или специальные возможности, поэтому их нельзя уточнить. Лицензия указана как other, без конкретных условий в предоставленных данных.

ifuseok/ft-solar-10.7b-v2.1-dpo — дообученная автором ifuseok чат-модель для генерации ответов на корейском языке. Она основана на yanolja/KoSOLAR-10.7B-v0.1 и использует плотную архитектуру Llama с 10,6 млрд параметров и контекстом 4096 токенов. Модель принимает текст и генерирует текст; для загрузки предлагается Transformers с весами Safetensors. Обучение включает корейские наборы инструкций, вопросов и ответов, а также часть данных для перевода с английского на корейский. Модель подходит для диалогов, ответов на вопросы и выполнения инструкций на корейском языке. Репозиторий распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства и ограничивает коммерческое использование.

onurnsfw/Gemma2-9b-classifier — дообученная модель семейства Gemma 2, опубликованная onurnsfw на базе unsloth/gemma-2-9b-bnb-4bit. Это плотная языковая модель с 9 млрд параметров, рассчитанная на генерацию текста и работающая с контекстом до 8192 токенов. В карточке указано, что обучение выполнялось с помощью Unsloth и библиотеки TRL. Модель может использоваться для генерации текста на английском языке. Название репозитория содержит слово «classifier», однако README не описывает задачу классификации, формат меток или способ использования модели как классификатора; подтверждённая задача по метаданным — text-generation. Репозиторий распространяется по лицензии Apache 2.0.

opestro дообучил мультимодальную инструкционную модель на основе unsloth/gemma-4-12b-it с помощью Unsloth и библиотеки Hugging Face TRL. Это плотная модель семейства Gemma 4 Unified с архитектурой Gemma4UnifiedForConditionalGeneration, предназначенная для диалога и преобразования текста и изображений в текст; в метаданных также заявлен интерфейс вызова инструментов. Базовая модель поддерживает анализ изображений и аудио, видео, код и работу с инструментами, однако карточка этого дообучения не описывает дополнительные возможности или его специализацию в маркетинге. Репозиторий содержит веса safetensors. Лицензия — Apache-2.0.

Halu-L3-Stheno-BlackOasis-8B — созданная Casual-Autopsy объединённая языковая модель на архитектуре Llama для генерации текста и разговорных сценариев. Она объединяет Sao10K/L3-8B-Stheno-v3.2, grimjim/Llama-3-Oasis-v1-OAS-8B и Hastagaras/Halu-8B-Llama3-Blackroot методом model stock с помощью LazyMergekit. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, использует библиотеку Transformers и имеет контекст до 8192 токенов. В метаданных указан английский язык; карточка базовой модели описывает ролевые диалоги, написание историй и выполнение инструкций как типичные сценарии семейства. Модель опубликована под лицензией llama3. Метка not-for-all-audiences указывает, что содержимое может подходить не для любой аудитории.

JY623/KoSOLAR-10.7B-merge-v3.0 — объединённая модель генерации текста, созданная с помощью mergekit методом SLERP из hyeogi/SOLAR-10.7B-v1.5 и yanolja/KoSOLAR-10.7B-v0.2. Модель основана на архитектуре Llama и содержит 10,6 млрд параметров; она предназначена для генерации текста, в том числе на корейском языке, с возможностью дальнейшей адаптации к корейским задачам. Модель принимает текст и генерирует текст. Контекст составляет 4096 токенов. Веса доступны в формате safetensors, лицензия — Apache-2.0. Карточка не приводит оценки качества или подробных ограничений для отдельных сценариев применения.

mergekit-community/L3.1-Artemis-f-8B — объединённая языковая модель, созданная с помощью mergekit из нескольких моделей семейства Llama. В качестве базовой модели при слиянии использована kromeurus/L3.1-Ablaze-Vulca-v0.1-8B; применён метод Model Stock. В состав также вошли Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B, mlabonne/NeuralDaredevil-8B-abliterated, mergekit-community/L3-Boshima-a и failspy/Llama-3-8B-Instruct-MopeyMule. Модель предназначена для диалоговой генерации текста и ролевых сценариев. Она имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131072 токена. Данные описания указывают на диалоговую направленность и менее строгие поведенческие ограничения у одной из составляющих моделей, но не подтверждают отдельные гарантии поведения итогового слияния. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

Модель triplee/llama3.1_8b_2S1S_v2_merge — плотная авторегрессионная языковая модель семейства Llama 3.1 с примерно 7,5 млрд параметров, дообученная на базе unsloth/meta-llama-3.1-8b. Для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и может применяться в сценариях, где требуется продолжение или создание текста по запросу. В карточке указаны английский язык, контекстное окно до 131 072 токенов и формат весов safetensors. Лицензия — Apache-2.0. README не описывает специализированную область применения, конкретные обучающие данные или результаты оценки качества.

osllmai-community/Llama-3.2-1B — производная текстовая модель семейства Llama, опубликованная в рамках программы Community Model на osllm.ai. По данным карточки, osllm.ai не является создателем модели; автором выступает сторонний разработчик. Модель основана на meta-llama/Llama-3.2-1B и дообучена для генерации текста. Она содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и распространяется в формате safetensors для библиотеки Transformers. Длина контекста составляет 131 072 токена. Модель предназначена для генерации текста по текстовому запросу и может служить компактной основой для локальных приложений, работающих на подходящем оборудовании. В метаданных указан английский язык. Лицензия — Llama 3.2. Карточка не описывает конкретные данные и методы дообучения или специальные возможности модели, поэтому её качество для узких задач по этим сведениям оценить нельзя.

Llama 3 neoAI 8B Chat v0.1 — чат-модель neoAI, дообученная на основе Meta-Llama-3-8B-Instruct для усиления способностей японского языка. Она предназначена для диалога и генерации текста; модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров и контекстом до 8192 токенов. В метаданных указана поддержка японского и английского языков, а файлы модели представлены в формате safetensors. Разработчики перечислены в карточке модели: Gouki Minegishi, Koki Itai, Koshiro Terasawa, Masaki Otsuki и Ryo Yagi. Лицензия — llama3.

Llama-3-Typhoon-1.5-8B-Instruct — инструктивная языковая модель команды SCB10X AI, созданная на основе Llama 3 8B. Это плотная decoder-only модель семейства Llama с 7,5 млрд параметров и контекстом 8192 токена; для работы используется Transformers версии 4.38.0 или новее. Модель предназначена для диалогов и выполнения инструкций на тайском и английском языках. В карточке приведены результаты на тайских экзаменационных тестах, M3Exam и MMLU. Модель может использоваться для ответов на вопросы, объяснений и помощи в учебных задачах. Разработчики отмечают, что модель всё ещё находится в разработке и может выдавать неточные, предвзятые или нежелательные ответы, несмотря на наличие защитных ограничений. Распространяется по лицензии Llama 3 Community License.

Loes — мультимодальный ассистент HostYourAI для разговоров на нидерландском и английском языках. Это плотная модель семейства Qwen3.5 с 27 млрд параметров, дообученная методом supervised fine-tuning на нидерландских инструкциях на основе orcarouter/Qwen3.8-27B-Uncensored. В репозитории опубликованы объединённые веса в bfloat16 в формате Safetensors; лицензия весов — Apache 2.0. Модель предназначена для диалоговых приложений, исследований и оценки качества ответов на нидерландском и английском языках. Она принимает текст и поддерживает обработку изображений благодаря унаследованной от базовой модели vision-компоненте; видеовозможности также унаследованы. Vision tower не дообучался, а мультимодальные возможности этой версии отдельно не оценивались. Модель может галлюцинировать, воспроизводить предубеждения и следовать вредоносным инструкциям; базовая модель uncensored и не должна считаться надёжной системой отказов. Обучение проводилось на последовательностях длиной до 1 024 токенов, а более длинный контекст не оценивался систематически. Не следует полагаться на ответы как на единственное основание для решений с высокими последствиями.

Lunar-Nexus-12B — объединённая модель на 12,1 млрд параметров, созданная Vortex5 из трёх предварительно обученных языковых моделей с помощью mergekit и метода Karcher Mean. Она использует плотную архитектуру MistralForCausalLM и предназначена для генерации текста, в том числе чата, ролевых диалогов и творческого письма. Модель принимает текст и генерирует текст. Карточка указывает контекстное окно 1 024 000 токенов и формат весов safetensors; токенизатор объединён из исходных моделей. В составе слияния — crestf411/MN-Slush, Vortex5/Moonlit-Shadow-12B и Vortex5/Moonviolet-12B. Данных о лицензии и языковом охвате в предоставленных источниках нет.

Luth-0.6B-Instruct — компактная диалоговая языковая модель на архитектуре Qwen3, разработанная Kurakurai на основе Qwen/Qwen3-0.6B. Модель содержит около 507,9 млн параметров и дообучена полным fine-tuning на наборе Luth-SFT с помощью Axolotl; затем результат объединён с базовой моделью. Модель предназначена для выполнения инструкций и генерации ответов на французском и английском языках. В README отмечены улучшения французских возможностей в математике, общих знаниях и следовании инструкциям при сохранении английских возможностей. Контекст модели составляет до 40 960 токенов. Модель подходит для компактных диалоговых приложений и экспериментов с генерацией текста. В README приведены результаты бенчмарков на французском и английском языках, но они не гарантируют качество для конкретных пользовательских задач. Распространяется по лицензии Apache-2.0.

Ja-ck/Mistral-instruct-IPO-Y24-v1 — текстовая генеративная модель семейства Mistral, опубликованная Ja-ck. Это плотная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Карточка описывает формат запросов Alpaca: инструкция передаётся после «질문:», а ответ ожидается после «답변:». Модель предназначена для генерации ответов по инструкциям и диалоговых сценариев. Метаданные указывают корейский язык; шаблон промпта также использует корейские обозначения вопроса и ответа. Веса доступны в формате safetensors. Лицензия — Apache-2.0. README не приводит результаты оценки качества или сведения о специальной предметной настройке.

Sorawiz создал MistralSmall-Creative-24B-Realist — объединённую методом TIES разговорную модель для генерации текста на основе нескольких предварительно обученных моделей. Она рассчитана на диалоги и творческое письмо; поддерживает шаблоны Mistral Instruct и ChatML. Модель имеет плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст длиной 32 768 токенов. Модель подходит для ролевых диалогов, интерактивного повествования и генерации творческих текстов. В README отмечено, что диалоговые ответы — её сильная сторона, однако длинные ответы могут терять связность без хорошо составленного системного промпта. Лицензия в предоставленных данных не указана.

NekoMix-12B — слитая с помощью mergekit языковая модель Moraliane на архитектуре Mistral с 12,1 млрд параметров. В основе объединения лежит IlyaGusev/saiga_nemo_12b; также использованы NemoMix-Unleashed-12B, Rocinante-12B-v1.1 и Vikhr-Nemo-12B-Instruct-R-21-09-24. Веса представлены в формате safetensors. Модель предназначена для генерации текста и диалогового ролевого общения на русском и английском языках. Автор рекомендует начинать с простого стандартного пресета с температурой 0,7–1,25 и отмечает Mistral V3-Tekken как возможный шаблон контекста и инструкций. Результаты зависят от выбранного шаблона и параметров генерации. Лицензия и ограничения на использование в карточке не описаны.

NeuralsirkrishnaShadow_Strangemerges_32Alloyingotneoy — объединённая модель для генерации текста, созданная слиянием двух моделей Mistral: automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Alloyingotneoy-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста по текстовому запросу. Карточка не описывает специализированные сценарии, языки или дополнительные возможности. Файлы представлены в формате safetensors; лицензия — Apache-2.0.