III.4Клиентская поддержка и customer success

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-first-third-sft-seed4-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.

JefiRyan/Llama-3.2-3B — дообученная JefiRyan языковая модель семейства Llama 3.2 для генерации текста. Она основана на unsloth/Llama-3.2-3B-bnb-4bit и имеет 3,2 млрд параметров; в карточке указан контекст длиной до 131 072 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста по текстовому запросу. В метаданных указан английский язык. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения и конкретные преимущества модели, поэтому её пригодность для узких задач следует оценивать отдельно.

LLaMA3-ENG-KO-8B-SL5 — дообученная языковая модель автора 4yo1 на базе семейства Llama 3, предназначенная прежде всего для перевода между английским и корейским языками. Модель имеет плотную архитектуру LlamaForCausalLM, содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Она принимает текст и генерирует текст; для работы доступны веса PyTorch и библиотека Transformers. Модель ориентирована на англо-корейские языковые задачи и может применяться для перевода фраз и документов, а также для генерации текста на английском и корейском. Карточка сообщает о дообучении на датасете 4yo1/llama3_test1, но не приводит оценки качества или подробного описания обучающих данных. Лицензия — MIT.

Llama-3-Ko-8B-Ties — диалоговая языковая модель на основе архитектуры Llama 3, созданная разработчиком kuotient с помощью слияния весов методом TIES в mergekit. В слияние вошли beomi/Llama-3-Open-Ko-8B и meta-llama/Meta-Llama-3-8B-Instruct; базовая модель — meta-llama/Meta-Llama-3-8B. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалога на корейском языке: например, для ответов на вопросы и работы чат-бота. README показывает инструкцию отвечать по-корейски. Репозиторий распространяется под лицензией с обозначением «other»; конкретные условия следует уточнять по лицензии и карточкам базовых моделей.

Finnish-NLP/llama-7b-finnish-instruct-v0.2 — инструктивно дообученная модель семейства Llama, выпущенная командой Finnish-NLP. Это плотная авторегрессионная языковая модель на 6,7 млрд параметров для генерации ответов и выполнения инструкций, прежде всего на финском языке. Контекстное окно составляет 2048 токенов. Версия обучалась три эпохи на 21 946 примерах из LIMA, Dolly, OASST и других наборов; часть англоязычных данных переводилась на финский. Модель подходит для диалога, ответов на вопросы и решения учебных задач на финском. Доступна в формате Safetensors для Transformers. Лицензия — Apache-2.0. Авторы предупреждают, что интернет-данные обучения могут приводить к смещениям и токсичным ответам, несмотря на фильтрацию исходной модели. Результаты FIN-bench приведены с оговоркой: при запуске оценки возникали проблемы, поэтому показатели следует трактовать осторожно.

Magnum-v3-27b-r1 — плотная языковая модель семейства Gemma 2 с 27,6 млрд параметров, опубликованная anthracite-forge. Репозиторий содержит веса в формате safetensors; метаданные указывают поддержку чата и контекст до 8192 токенов. В README указано, что модель обучалась с нуля на наборе данных, обозначенном как None, однако подробностей об обучении и назначении нет. Модель предназначена для генерации текста в чат-сценариях. Карточка не описывает конкретные задачи, языки, качество или результаты оценки, поэтому область применения и языковую поддержку нельзя уточнить. Условия лицензии в доступных сведениях не приведены.

Это модель машинного перевода на базе архитектуры MarianMT, дообученная авторами huggingface-course на наборе данных KDE4 для перевода с английского на французский. Она содержит 55,6 млн параметров, принимает текст и имеет контекстное окно до 512 токенов. На указанном в карточке наборе оценки получены Loss 0,8559 и BLEU 52,9416. Модель подходит для перевода текстов с английского на французский; лицензия — Apache-2.0.

Модель malhajar/Mixtral-8x7B-v0.1-turkish разработана Мохамадом Аль-Хаджаром и представляет собой дообученную методом SFT версию mistralai/Mixtral-8x7B-v0.1. Это языковая модель архитектуры Mixtral с разреженной экспертной архитектурой MoE, предназначенная для генерации текста и ответов на инструкции на турецком языке. Для запросов используется шаблон с секциями Instruction и Response. Модель подходит для турецких диалоговых помощников, ответов на вопросы и генерации текстов по инструкциям. Она дообучена на наборе malhajar/alpaca-gpt4-tr; размер по метаданным — 7,1 млрд параметров, контекст — до 32 768 токенов. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

Nizai — дообученная автором orucexe языковая модель семейства Llama для генерации текста. Она основана на unsloth/meta-llama-3.1-8b-unsloth-bnb-4bit и использует плотную архитектуру LlamaForCausalLM; в репозитории представлены веса safetensors. Заявлены 7,5 млрд параметров и контекст до 131 072 токенов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель подходит для генерации текста на английском языке в сценариях, где требуется продолжение или создание текста. README не описывает специализацию дообучения, датасеты или сравнительные результаты, поэтому качество для конкретных задач оценить по карточке нельзя. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-ar — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского на арабский; модель построена на архитектуре Transformer и реализована как MarianMTModel. Размер составляет 57,3 млн параметров, контекст — до 512 токенов. Для выбора варианта арабского в начале предложения требуется целевой языковой токен вида >>id<<; доступны, в частности, стандартный арабский и несколько региональных вариантов и записей латиницей. Перед переводом применяются нормализация и SentencePiece-токенизация. В тесте Tatoeba для пары английский—арабский указаны BLEU 14,0 и chr-F 0,437. Модель подходит для перевода коротких текстов и предложений, но приведённые оценки не гарантируют качество для всех тематик и вариантов арабского. Лицензия — Apache-2.0.

Карточка модели mijuanlo/opus-mt-es-de на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-es-de, поэтому описание составлено по ней. Helsinki-NLP/opus-mt-es-de — модель машинного перевода с испанского на немецкий, разработанная в рамках проекта OPUS и основанная на архитектуре Marian Transformer. Она обучена на данных OPUS; перед переводом текст нормализуется и обрабатывается с помощью SentencePiece. Размер модели — 56,6 млн параметров, длина контекста — 512 токенов. В README приведён результат BLEU 50,0 на тестовом наборе Tatoeba.es.de. Модель предназначена для перевода предложений и текстов с испанского языка на немецкий. Доступны веса PyTorch и TensorFlow. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает об ограничениях качества или специальных областях применения.

Карточка модели mijuanlo/opus-mt-es-fr на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-es-fr, поэтому описание составлено по ней. Helsinki-NLP/opus-mt-es-fr — модель машинного перевода из семейства Marian, разработанная проектом OPUS/Helsinki-NLP. Она переводит текст с испанского языка на французский и подходит для перевода отдельных фраз и документов. Модель построена на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece и содержит 63,5 млн параметров; длина контекста — до 512 токенов. Репозиторий содержит веса в форматах PyTorch и TensorFlow. В карточке приведены результаты тестирования на наборах новостных текстов: BLEU 32,0–33,6 и chr-F 0,585–0,610. Эти оценки относятся к указанным тестовым наборам и не гарантируют аналогичное качество на других темах и типах текста. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-es-ru — модель машинного перевода из испанского языка на русский, разработанная Helsinki-NLP в рамках проекта OPUS. Это Transformer-модель семейства MarianMT с архитектурой transformer-align, обученная на данных OPUS; перед обработкой применяются нормализация текста и токенизация SentencePiece. Размер модели — 57,6 млн параметров, максимальный контекст — 512 токенов. Доступны веса PyTorch и TensorFlow. Модель предназначена для перевода испанских текстов на русский, включая отдельные фразы и более длинные фрагменты в пределах контекста. В карточке приведены результаты на тестовых наборах newstest2012, newstest2013 и Tatoeba; качество зависит от тематики и формулировок текста. Распространяется по лицензии Apache-2.0.

Карточка модели mijuanlo/opus-mt-es-uk на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-es-uk, поэтому описание составлено по ней. Helsinki-NLP/opus-mt-es-uk — модель машинного перевода из семейства OPUS-MT, разработанного Helsinki-NLP. Она переводит текст с испанского языка на украинский и предназначена для автоматического перевода предложений и коротких текстов. Модель основана на архитектуре Transformer-align и реализована как MarianMTModel; содержит 57,1 млн параметров, использует нормализацию и SentencePiece с словарями spm32k. Контекст составляет до 512 токенов. Для тестового набора Tatoeba-test.spa.ukr указаны BLEU 41,3 и chr-F 0,614. Модель принимает испанский текст и выдаёт украинский перевод. Распространяется по лицензии Apache-2.0.

Helsinki-NLP разработала opus-mt-fr-hu — модель машинного перевода с французского языка на венгерский. Она построена на архитектуре MarianMT с трансформерной моделью, содержит 55,2 млн параметров и использует нормализацию текста и токенизацию SentencePiece. Для перевода применяется корпус OPUS; в карточке приведены результаты на тестовом наборе Tatoeba.fr.hu: BLEU 41,3 и chr-F 0,629. Модель принимает текст на французском и выдаёт перевод на венгерский. Она распространяется под лицензией Apache-2.0; доступны форматы PyTorch и TensorFlow. Контекст модели — до 512 токенов.

Helsinki-NLP/opus-mt-he-it — модель машинного перевода на базе архитектуры Transformer MarianMT, разработанная в рамках проекта OPUS-MT. Она переводит текст с иврита на итальянский и рассчитана на одноязычную пару направлений he→it. Для предобработки используются нормализация и SentencePiece с словарями по 32 тысячи токенов; размер модели составляет 57,5 млн параметров, длина контекста — 512 токенов. В тесте Tatoeba для этой пары указаны BLEU 41,1 и chr-F 0,643. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-nl-sv — модель машинного перевода из проекта OPUS-MT на архитектуре Marian Transformer. Она переводит текст с нидерландского языка на шведский; для предобработки используются нормализация и SentencePiece. Модель содержит 54,2 млн параметров и имеет контекст длиной до 512 токенов. Модель подходит для перевода отдельных фраз и текстов между нидерландским и шведским. В README приведены результаты на тестовом наборе GlobalVoices.nl.sv: BLEU 25,0 и chr-F 0,518. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ru-uk — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer-align и реализованная как MarianMTModel. Она переводит текст с русского языка на украинский. Модель содержит 54,7 млн параметров, использует нормализацию и токенизацию SentencePiece с словарями spm32k; длина контекста — 512 токенов. Модель подходит для перевода фраз, сообщений и документов с русского на украинский. В README приведён результат BLEU 64,0 на тесте Tatoeba для этой языковой пары; качество на других наборах и для специализированной лексики может отличаться. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-tl-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer-align и реализованная как MarianMT. Она переводит текст с тагальского языка на английский; модель одноязычная по направлению перевода и использует нормализацию и SentencePiece с словарями размером 32 тыс. токенов. Размер модели — 54,5 млн параметров, длина контекста — 512 токенов. В README приведён результат BLEU 35,0 на тесте Tatoeba для пары тагальский—английский. Модель подходит для перевода фраз и текстов с тагальского на английский. Она распространяется по лицензии Apache-2.0. Качество может различаться в зависимости от тематики текста и отличаться от результата на указанном тестовом наборе; обратный перевод с английского на тагальский не является её задачей.

Helsinki-NLP/opus-mt-vi-es — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer-align и реализованная как MarianMT. Она переводит текст с вьетнамского на испанский; направление перевода одноязычное, с предварительной нормализацией и токенизацией SentencePiece с словарями spm32k. Размер модели — 55,1 млн параметров, родной контекст — 512 токенов. В тесте Tatoeba-test.vie.spa указаны BLEU 32,9 и chr-F 0,540. Репозиторий предоставляет веса в форматах PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

piotr-ai/polanka_3.7b_exp_260922 — разговорная языковая модель от разработчика piotr-ai, основанная на архитектуре Qwen3 MoE. Она предназначена для генерации текста в чате и поддерживает интерфейс вызова инструментов. Карточка демонстрирует примеры запросов на польском, английском и китайском языках; метаданные также перечисляют поддержку чешского, словацкого, украинского, русского, итальянского, испанского, французского, немецкого, португальского и литовского языков. Модель содержит 3,7 млрд параметров, работает с контекстом до 40 960 токенов и распространяется в формате safetensors по лицензии Apache-2.0. В метаданных не указана базовая модель, поэтому происхождение относительно Qwen3 MoE установить нельзя. Карточка содержит лишь несколько простых примеров и не приводит результатов оценки качества; возможности модели в конкретных задачах по ним определить нельзя.

jaeyong2/Qwen2.5-0.5B-Instruct-Viet-SFT — дообученная авторами репозитория модель на основе Qwen/Qwen2.5-0.5B-Instruct. Это плотная авторегрессионная языковая модель семейства Qwen2 с 494 млн параметров, предназначенная для диалогов, выполнения инструкций и генерации текста. Модель рассчитана на вьетнамский и английский языки и поддерживает контекст до 32 768 токенов. Модель подходит для создания компактных чат-ботов и генерации ответов на вьетнамском или английском. В метаданных указаны библиотека Transformers, формат весов safetensors и интерфейс вызова инструментов. Лицензия — Apache-2.0. README не содержит дополнительных сведений о датасете дообучения или результатах оценки качества.

Модель HarithSami/qwen2.5-14b-instruct-arabic-yt-merged разработана HarithSami как дообученная версия Qwen2.5-14B Instruct. Это плотная авторегрессионная модель семейства Qwen2 для генерации текста и диалогового общения; карточка указывает обучение с Unsloth и библиотекой TRL. Модель содержит 14 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Метаданные отмечают интерфейс вызова инструментов. Название указывает на арабскую тематику и данные YouTube, однако карточка не описывает конкретные навыки или результаты по этим направлениям, поэтому их нельзя считать подтверждёнными. В метаданных указан английский язык. Модель опубликована под лицензией Apache-2.0. Карточка не приводит оценок качества или подробных ограничений; пригодность для конкретных задач следует проверять отдельно.

jaeyong2/Qwen2.5-1.5B-Instruct-Ja-SFT — компактная языковая модель на архитектуре Qwen2, дообученная разработчиком на базе Qwen/Qwen2.5-1.5B-Instruct. Она предназначена для генерации текста и диалогов, в первую очередь на японском и английском языках. Модель содержит 1,5 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. В README приведены результаты оценки на llm-jp-eval: среднее значение 0,4540 для дообученной модели против 0,4343 для исходной Qwen2.5-1.5B-Instruct и 0,4315 для Gemma 2 2B Japanese IT. Эти значения относятся к конкретной оценке и не гарантируют качество на других задачах. Модель распространяется по лицензии Apache-2.0.

ZeroXClem/Qwen2.5-7B-HomerCreative-Mix — языковая модель, созданная ZeroXClem слиянием четырёх предварительно обученных моделей семейства Qwen2.5 методом Model Stock с помощью mergekit. Она объединяет возможности для творческой генерации, следования инструкциям и диалогов. Модель предназначена для генерации текста, интерактивного сторителлинга и ролевых диалогов, а также для создания маркетинговых материалов, объяснений и ответов на вопросы. Архитектура — плотная Qwen2, 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Карточка указывает английский язык. Репозиторий содержит веса safetensors; конфигурация слияния использует bfloat16 и INT8-маску. Модель рассчитана на запуск через Transformers и требует достаточных вычислительных ресурсов, особенно GPU. Для специализированных сценариев может потребоваться дополнительная настройка; результаты для перечисленных применений не гарантированы. Лицензия — Apache-2.0.

p-e-w/Qwen3-0.6B-heretic — экспериментальная декаранзурированная версия Qwen3-0.6B, созданная автором репозитория с помощью Heretic v1.4.0. Модель предназначена для диалоговой генерации текста с меньшим числом отказов на запросы: в карточке приведено сравнение 6 отказов из 100 против 54 из 100 у исходной модели. Показатель KL-дивергенции указан как 0,0031. Это плотная авторегрессионная языковая модель архитектуры Qwen3 с 507,9 млн параметров, совместимая с Transformers и распространяемая в формате safetensors. Метаданные указывают контекст до 40 960 токенов; README приводит для базовой Qwen3-0.6B длину 32 768 токенов. Модель унаследовала заявленную Qwen3 поддержку более 100 языков и диалоговый сценарий. Модель подходит для диалогов и генерации текста, когда требуется реже получать отказы. Размер модели ограничивает её возможности по сравнению с более крупными языковыми моделями, а приведённое сравнение отказов не заменяет широкую оценку качества и безопасности. Лицензия — Apache-2.0.

Модель ayameRushia/roberta-base-indonesian-1.5G-sentiment-analysis-smsa — дообученная на датасете indonlp/indonlu модель RoBERTa для классификации тональности текста. Её можно применять для определения тональности индонезийских текстов; карточка приводит пример запуска через Transformers с задачей text-classification. Модель основана на cahya/roberta-base-indonesian-1.5G, содержит 153,2 млн параметров и имеет контекст длиной до 514 токенов. В карточке указаны accuracy 0,9262 и loss 0,4294 на оценочном наборе. Доступны веса в формате PyTorch; лицензия в предоставленных данных не указана.

ruGPT-Neo 1.3B — предварительно обученная плотная трансформерная языковая модель семейства GPT-Neo, построенная на репликации архитектуры GPT-3 от EleutherAI и опубликованная AlexWortega. Модель содержит около 1,5 млрд параметров и предназначена для генерации продолжения текста; её можно запускать через библиотеку Transformers. Модель ориентирована на русский язык. В метаданных указаны датасеты Wikipedia и IlyaGusev/gazeta. Длина контекста составляет 2048 токенов. Репозиторий содержит веса PyTorch, лицензия — MIT. Возможные сценарии включают генерацию черновиков и продолжение русскоязычных текстов; качество конкретных ответов README не оценивает.

Sailor-7B — языковая модель с открытыми весами для языков Юго-Восточной Азии, разработанная командой Sailor на основе Qwen1.5-7B. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; веса представлены в формате safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и диалоговых сценариев на индонезийском, тайском, вьетнамском, малайском и лаосском языках. Среди целевых задач — ответы на вопросы и рассуждения на естественном языке; карточка сообщает о дообучении на открытых наборах данных и отмечает результаты бенчмарков для языков региона. Sailor-7B является базовой моделью семейства, а отдельная линейка Sailor-Chat включает модели, дополнительно настроенные на следование инструкциям. Качество может различаться между языками и задачами; результаты бенчмарков не гарантируют точность в конкретном приложении. Для использования требуется совместимая версия Transformers (в README рекомендуется 4.37.0 или новее).

Sakana Namazu — специализированная модель рассуждений от Sakana AI, созданная на основе Kimi K2.6 и дополнительно обученная для работы с японским языком и деловыми контекстами. Она предназначена для выполнения инструкций на японском языке и решения задач, требующих рассуждений. Модель ориентирована на японские деловые сценарии. Данных о её архитектуре, размере, контекстном окне, лицензии и конкретных ограничениях в предоставленных источниках нет.