III.4Клиентская поддержка и customer success

DeltaP2S-Llama2-13B-vPAPER — слитый чекпойнт эксперимента Delta-P2S, построенный на базе meta-llama/Llama-2-13b-hf. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, предназначенная для генерации текста. В метаданных указана библиотека Transformers и формат весов safetensors; длина контекста составляет 4096 токенов. Модель можно применять для генерации продолжений текста и ответов в сценариях, где подходит базовая задача text-generation. Карточка не сообщает о специализированном обучении, поддерживаемых языках, датасетах или дополнительных возможностях. Лицензия в предоставленных данных не указана.

finetuned_en2mr — дообученная модель facebook/mbart-large-50 для преобразования текста. По названию репозитория она предназначена для перевода с английского на маратхи. Модель построена на архитектуре mBART и содержит 457,4 млн параметров; базовая модель поддерживает перевод между 50 языками и другие задачи преобразования текста. Модель принимает текст и генерирует текстовый перевод. Для неё указано контекстное окно 1024 токена и лицензия MIT. Сведения о наборе данных, качестве перевода и результатах оценки отсутствуют, поэтому пригодность для конкретных текстов стоит проверять отдельно.

Gaon-1.7B v2 Translate — модель для перевода между корейским и английским языками, разработанная k08200. Это плотная причинно-языковая модель семейства Qwen3 с 1,7 млрд параметров и контекстом 2048 токенов. Она обучена с нуля и дообучена на 100 тысячах открытых параллельных пар из новостного, разговорного и энциклопедического текстов; добавленный набор диалогов помогает сохранять способность к общению. Для перевода задают просьбу на корейском языке с исходным предложением; лучше всего модель работает при temperature 0,3. Модель предназначена для перевода простых и средних по длине предложений с корейского на английский и обратно, а также может поддерживать общий диалог. На длинных предложениях со сложной структурой возможны пропуски или добавления уточняющих смысловых деталей. Распространяется по лицензии Apache-2.0.

Это модель классификации тональности текста на индонезийском языке, разработанная Wilson Wongso. Она основана на предварительно обученной Indonesian RoBERTa Base и дообучена на наборе SmSA из корпуса IndoNLU, содержащем индонезийские комментарии и отзывы. Модель имеет архитектуру RoBERTa для классификации последовательностей; в метаданных указано 151,8 млн параметров и контекст до 514 токенов. Доступны веса в форматах PyTorch, Safetensors и TensorFlow. Модель предназначена для определения тональности индонезийских отзывов и комментариев. В README сообщается о точности 93,2% и macro-F1 91,02% на тестовом наборе SmSA. Эти показатели относятся к данным бенчмарка и могут не переноситься на другие темы, источники или стили текста. Авторы также предупреждают о возможном влиянии смещений базовой модели и обучающего набора. Лицензия — MIT.

InternLM-ChatBode-7B — языковая чат-модель на базе InternLM2, адаптированная командой recogna-nlp для общения на португальском языке. Модель дообучена методом QLoRA на наборе UltraAlpaca и построена на архитектуре InternLM2ForCausalLM; содержит 7,4 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации ответов на португальском языке, в том числе для вопросов и учебных заданий. В README приведены результаты оценки на португалоязычном наборе Open Portuguese LLM Leaderboard. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

IreneRP-Neural-7B-slerp — языковая модель на 7,1 млрд параметров, созданная Smuggling1710 слиянием моделей Virt-io/Irene-RP-v3-7B и NurtureAI/neural-chat-7b-v3-16k методом SLERP с помощью LazyMergekit. Это плотная Mistral-модель для генерации текста; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговой генерации и ролевых сценариев, сочетая две исходные модели. Веса опубликованы в формате safetensors. Карточка не содержит сведений о лицензии, поддерживаемых языках или ограничениях применения, поэтому условия использования следует проверять у авторов исходных моделей и в репозитории.

karcher_Merged_gpt2_0.4 — объединённая модель генерации текста на архитектуре GPT-2, созданная методом Karcher Mean с помощью mergekit. В слиянии использованы предварительно обученные модели /kaggle/working/gpt2 и /kaggle/working/debias_gpt2; токенизатор взят из GPT-2. Модель предназначена для продолжения текста и других задач генерации на основе текстового запроса. Модель работает с текстом и использует библиотеку Transformers; файлы представлены в формате safetensors. Контекст ограничен 1024 токенами. Карточка не сообщает результаты оценки качества или конкретные языки. Лицензия в предоставленных данных не указана.

kev-merged-0.8b — слитая мультимодальная модель на основе jaredpalmer/kev-0.8b и Qwen/Qwen3.5-0.8B-Base. Разработчик объединил адаптер kev-0.8b с базовой моделью, чтобы её можно было использовать без отдельного адаптера; скрипт слияния приложен в репозитории. Архитектура — плотная Qwen3.5ForConditionalGeneration; метаданные указывают интерфейс чата, вызов инструментов и работу с изображениями. Модель предназначена для диалоговых сценариев с текстом и изображениями. В карточке Hugging Face указана задача image-text-to-text и английский язык. Репозиторий содержит веса safetensors, а лицензия — Apache-2.0. Размер модели, длина контекста и конкретные ограничения качества в доступных данных не приведены.

L3-8B-Wingless-Moon-Maiden — слитая диалоговая модель, созданная автором gggrandma1990 с помощью mergekit и метода DELLA на основе SicariusSicariiStuff/Wingless_Imp_8B с добавлением NeverSleep/Lumimaid-v0.2-8B и Sao10K/L3-8B-Lunaris-v1. Модель построена на архитектуре Llama 3 с плотной причинно-языковой сетью LlamaForCausalLM, содержит 7,5 млрд параметров и использует формат safetensors. Модель предназначена для генерации текста в диалоге и ролевых сценариях. Указанный нативный контекст составляет 131 072 токена, а шаблон чата основан на Llama 3. Карточка помечает модель как не подходящую для всех аудиторий. Лицензия в предоставленных данных не указана.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-second-third-v2-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.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-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.

RedHatAI/Llama-3.1-8B-tldr — текстовая авторегрессионная модель Red Hat (Neural Magic), дообученная на базе meta-llama/Llama-3.1-8B на наборе trl-lib/tldr. Она предназначена для краткого пересказа текстов в стиле публикаций Reddit и принимает текст, выдавая текст. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. В README указано, что на тестовой части trl-lib/tldr модель получила BERTScore 0,366. Её можно развернуть с помощью vLLM. Модель распространяется по лицензии Llama 3.1 Community License; применяются ограничения её Acceptable Use Policy.

Llama3-Ocelot-8B-instruct-v01 — корейскоязычная диалоговая языковая модель, разработанная frcp, nebchi и pepperonipizza97. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она создана на базе предварительно обученной модели с дообучением на корейских наборах SFT и DPO. Модель принимает текст и генерирует ответы на корейском языке, включая ответы на вопросы и краткие пересказы документов. В карточке приведены результаты LogicKor: модель показала сильный результат в многотуровом диалоге. Модель подходит для корейских чат-ботов и генерации текста. Контекст составляет 8192 токена. Доступны веса в формате safetensors, для работы используется Transformers. Лицензия — Llama 3 Community License (llama3); перед использованием следует учитывать её условия.

llama3-pre1-ds-lora2 — языковая модель на архитектуре Llama 3, опубликованная 4yo1. Модель содержит 7,6 млрд параметров, использует формат PyTorch и принимает текст; в карточке указаны английский и корейский языки, а длина контекста составляет 8192 токена. Модель представлена как дообученная с помощью LoRA и связана с датасетом recipes. Метаданные указывают перевод как основную задачу и генерацию текста как поддерживаемую; модель подходит для перевода и генерации текста, в том числе на английском и корейском. Лицензия — MIT. В карточке не приведены результаты оценки качества или подробности о составе и направлении перевода, поэтому пригодность для конкретных сценариев следует проверять на собственных данных.

Llama-4-Scout-17B-16E-Instruct-4bit — мультимодальная инструктивная модель сообщества mlx-community, преобразованная из meta-llama/Llama-4-Scout-17B-16E-Instruct в формат MLX с помощью mlx-vlm 0.1.21. Основа — Llama 4 Scout от Meta; архитектура Llama 4 предназначена для диалога и понимания изображений, а карточка указывает интерфейсы чата и вызова инструментов. Модель подходит для диалоговых запросов и вопросов по изображениям на арабском, немецком, английском, испанском, французском, хинди, индонезийском, итальянском, португальском, тайском, тагальском и вьетнамском языках. Суффикс 4bit указывает на 4-битное представление; README описывает конверсию для MLX и использование через mlx-vlm. В репозитории указана лицензия other; условия следует сверять с карточкой исходной модели Meta. Ограничения качества и конкретные параметры контекста в предоставленных материалах не описаны.

SzilviaB/Magnum_Dark_Madness_12b — разговорная языковая модель на архитектуре Mistral, созданная слиянием весов методом TIES через mergekit. В качестве основы использована anthracite-org/magnum-v4-12b, а в слияние также вошли модели DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS и DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-MADNESS. Размер модели — 12,1 млрд параметров; веса представлены в формате safetensors и типе float16. Модель предназначена для генерации диалоговых ответов и прозы, а также может использоваться в чат-сценариях. Заявленная длина контекста составляет 1 024 000 токенов. Карточка не описывает отдельные языки, дополнительные домены или известные ограничения. Лицензия в предоставленных данных не указана.

Карточка модели aboros98/merlin1.2 на Hugging Face совпадает с карточкой aboros98/merlin1.5, поэтому описание составлено по ней. aboros98/merlin1.5 — текстовая авторегрессионная модель семейства Phi с 3,5 млрд параметров. Она предназначена для генерации текста; метаданные указывают архитектуру PhiForCausalLM и контекст длиной 2048 токенов. Модель доступна в формате PyTorch и распространяется по лицензии MIT согласно метаданным Hugging Face. README содержит незаполненные результаты бенчмарков, поэтому по карточке нельзя оценить качество модели.

Abdoul0/mistral-7b-francais — дообученная Abdoul0 чат-модель семейства Mistral на базе unsloth/mistral-7b-instruct-v0.3-bnb-4bit. Она предназначена для генерации текста и диалогов; название указывает на французскую направленность, однако README и метаданные не подтверждают конкретные языковые возможности. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Распространяется по лицензии Apache-2.0.

seunghoon34/mistral-7b-thai-instruct — дообученная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, разработанная seunghoon34 на базе seunghoon34/mistral-7b-thai. Модель предназначена для генерации текста по текстовому запросу в формате instruct. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL. Модель поддерживает контекст до 32 768 токенов, распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не описывает конкретные тесты качества или подробные сценарии применения.

nbeerbower/mistral-nemo-narwhal-12B — диалоговая модель генерации текста на архитектуре Mistral, разработанная nbeerbower. Это дообученная на датасете reddit-dpo версия Mahou-1.5-mistral-nemo-12B-lorablated; обучение методом ORPO проводилось в течение одной эпохи с использованием QLoRA. Модель содержит 12,1 млрд параметров и рассчитана на диалоги и ролевое общение. Модель принимает текст и генерирует текстовые ответы. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Лицензия Apache-2.0. Метаданные указывают контекстное окно 1 024 000 токенов.

LeroyDyer/Mixtral_Base — англоязычная чат-модель для генерации текста, построенная на архитектуре Mistral и опубликованная в формате safetensors. В метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов; модель предназначена для диалога и генерации продолжений текста. Автор отмечает, что модель не настроена и рекомендует квантизацию до 4 бит; также сообщается, что вариант Q8_0 работает хорошо. Репозиторий распространяется по лицензии MIT. Отдельные специализированные области применения не заявлены.

Kaoeiri/MS-MagpantheonselRP-22B-14.5-Precalculated — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом DARE TIES. В качестве основы использована unsloth/Mistral-Small-Instruct-2409; в объединение также вошли модели Mistral-Small и другие 22-миллиардные модели, ориентированные на диалоги и ролевую игру. Модель предназначена для генерации текста, общения и творческих ролевых сценариев. Она содержит 22 млрд параметров, работает с текстом и имеет контекстное окно до 131 072 токенов. В метаданных указаны интерфейс вызова инструментов и библиотека Transformers. Состав объединения включает модель для японского языка, но сведения о конкретных поддерживаемых языках и их приоритетах отсутствуют. Карточка описывает метод объединения, но не приводит оценки качества или подробные ограничения в использовании. Лицензия в предоставленных данных не указана.

zelk12/MT1-Gen3-MA-gemma-2-S5Av4d-9B — слитая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из allknowingroger/GemmaSlerp5-10B и lemon07r/Gemma-2-Ataraxy-v4d-9B. Модель содержит 9 млрд параметров, предназначена для диалоговой генерации текста и поддерживает контекст до 8192 токенов. Модель подходит для создания историй и творческих текстов, а также для ведения диалогов. Опубликована в формате safetensors; README также описывает исходное слияние весов в bfloat16. Лицензия в предоставленных данных не указана.

NeonMaid-12B — объединённая языковая модель на 12,1 млрд параметров, созданная yamatazen методом Model Stock с помощью mergekit на основе yamatazen/Orihime-12B и с весами yamatazen/ForgottenMaid-12B, Delta-Vector/Francois-PE-V2-Huali-12B и Delta-Vector/Ohashi-NeMo-12B. Она использует плотную архитектуру MistralForCausalLM и предназначена для генерации текста и диалогового общения; базовая модель Ohashi-NeMo-12B описана как модель для коротких ролевых диалогов и написания прозы. Модель поддерживает английский и японский языки, работает с контекстом до 131 072 токенов и распространяется в формате safetensors для Transformers. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Модель Bila Faye, дообученная на базе nllb-200-distilled-600M для перевода между волоф, французским и английским языками. Она поддерживает направления волоф—французский, волоф—английский и французский—английский в обе стороны и предназначена для машинного перевода текстов. Модель использует архитектуру M2M100ForConditionalGeneration, содержит 463,7 млн параметров и принимает контекст длиной до 1024 токенов. Для обучения использованы два набора данных с английскими, волофскими и французскими переводами. Модель распространяется в формате safetensors и по лицензии MIT.

Nusantara-2.7b-Indo-Chat-v0.2 — разговорная языковая модель от Kalis AI, дообученная на базе Qwen1.5 для работы прежде всего на индонезийском языке. Это плотная авторегрессионная модель архитектуры Qwen2 с 2,3 млрд параметров и контекстом до 8192 токенов; она принимает текст и генерирует текст в формате чата. Модель предназначена для ответов на вопросы, выполнения инструкций и ролевых диалогов на индонезийском и английском языках. Версия v0.2, выпущенная в марте 2024 года, получила улучшения для ролевых сценариев. В карточке указаны обучающие данные OpenHermes 2.5, Википедия, Evol-Instruct Indonesian и Hyperion v2.0. Модель опубликована в формате Safetensors. Указана лицензия Apache-2.0, при этом README также требует соблюдать лицензию Qwen. Разработчик предупреждает о возможных смещениях и негативных последствиях: модель обучалась в том числе на неотфильтрованных данных. Указанный размер сравнительно невелик, поэтому качество и надёжность ответов могут быть ограничены.

Helsinki-NLP/opus-mt-ccs-en — модель машинного перевода семейства OPUS-MT, опубликованная Helsinki-NLP на основе проекта Tatoeba Challenge. Она переводит с грузинского языка на английский; источник также обозначен группой южнокавказских языков, но в README указан конкретный исходный язык — грузинский. Модель построена на архитектуре Transformer в реализации Marian, содержит 37 млн параметров и рассчитана на контекст до 512 токенов. Для токенизации и подготовки текста используются нормализация и SentencePiece с моделями словаря по 12 тысяч единиц. В карточке приведены результаты тестирования на наборе Tatoeba: BLEU 18,0 и chr-F 0,357. Модель подходит для перевода коротких текстов с грузинского на английский; эти показатели следует учитывать при оценке качества на конкретных данных. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-de-it — модель машинного перевода на базе архитектуры MarianMT, разработанная проектом OPUS и предназначенная для перевода с немецкого языка на итальянский. Она использует Transformer, нормализацию текста и токенизацию SentencePiece; число параметров — 55,8 млн, максимальный контекст — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Модель обучена на данных OPUS. В карточке приведён результат BLEU 45,3 и chr-F 0,671 на тестовом наборе Tatoeba.de.it. Она подходит для перевода предложений и текстов с немецкого на итальянский; качество для иных языковых направлений не заявлено. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-sem — модель машинного перевода из проекта OPUS-MT на архитектуре Transformer, реализованная через Marian. Она переводит текст с английского на несколько семитских языков и разновидностей: арабский (включая диалектные варианты), иврит, амхарский и тигринья; также заявлены мальтийский и другие арабские разновидности. Для выбора языка назначения в начале предложения требуется токен вида >>id<< с допустимым кодом языка. Модель содержит 56,5 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тыс. токенов и имеет контекст длиной до 512 токенов. В репозитории доступны веса PyTorch и TensorFlow. Метаданные указывают лицензию Apache-2.0. Качество зависит от языка и тематики: приведённые оценки BLEU составляют 11,2 для амхарского, 12,7 для арабского и 33,8 для иврита; поэтому переводы для отдельных языков могут требовать проверки.

Helsinki-NLP/opus-mt-es-da — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с испанского языка на датский и предназначена для автоматического перевода предложений и документов. Модель построена на архитектуре Marian Transformer, содержит 54,6 млн параметров, использует нормализацию текста и токенизацию SentencePiece; длина контекста — 512 токенов. В карточке приведён результат BLEU 55,7 и chr-F 0,712 на тестовом наборе Tatoeba.es.da. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0.