III.4Клиентская поддержка и customer success

Bella 2 8B — текстовая модель на 8 млрд параметров, разработанная CognitivessAI и представленная в формате GGUF в виде квантизированных вариантов. Квантизацию выполнил mradermacher с использованием weighted/imatrix-подхода. В карточке указана поддержка английского и румынского языков. Модель предназначена для генерации текста и, судя по заявленным тегам, может применяться в задачах анализа тональности. Репозиторий содержит набор вариантов квантизации от IQ1 до Q6, размером примерно от 2,1 до 6,7 ГБ. В README рекомендуются варианты Q4_K_M как быстрые и сбалансированные по размеру, скорости и качеству, а Q4_K_S — как оптимальные по соотношению этих характеристик. К преимуществам относятся возможность запуска в компактном формате GGUF и выбор между множеством уровней квантизации в зависимости от доступной памяти и требований к качеству. Более агрессивные варианты квантизации уменьшают размер, но могут заметно снижать качество; сам автор отмечает низкое качество некоторых компактных вариантов. Архитектура, размер контекста, поддержка других модальностей и результаты оценки в README не указаны. Для модели заявлена лицензия Apache-2.0, при этом также указано имя лицензии Cognitivess и ссылка на условия использования Cognitivess.

minsu0567/Capstone-Design-Llama3.2-Command — разговорная языковая модель на архитектуре Llama, дообученная разработчиком на основе Bllossom/llama-3.2-Korean-Bllossom-3B. Модель содержит 3,2 млрд параметров, предназначена для генерации текста и поддерживает чат. В метаданных указано контекстное окно до 131072 токенов. Модель можно использовать для диалогов и генерации текста. Метаданные не раскрывают особенности дообучения, точный языковой охват, лицензию или известные ограничения; веб-поиск по идентификатору не дал результатов.

NTQAI/chatntq-ja-7b-v1.0 — японская языковая модель NTQ AI для генерации текста и выполнения инструкций. Это декодерная модель на 7,1 млрд параметров, дообученная на наборах данных для следования инструкциям и построенная на базе Japanese Stable LM Base Gamma 7B. Архитектура — плотная MistralForCausalLM; модель распространяется в формате safetensors и рассчитана на использование с Transformers версии 4.34.0 или новее. Модель предназначена для японских диалоговых сценариев, ответов на запросы и генерации текста по инструкциям. В README приведён результат 6,65 в японском варианте MT-Bench; это оценка из карточки, а не гарантия качества на любых задачах. Метаданные указывают поддержку японского и английского языков, а длина контекста составляет 4096 токенов. Лицензия — Apache License 2.0.

ChindaMT-2B — открытая модель машинного перевода с 2 млрд параметров, разработанная iApp и дообученная на базе Qwen/Qwen3.5-2B. Она переводит с тайского на английский и с английского на тайский, а также следует дополнительным указаниям в запросе: например, сохранять заданную терминологию, регистр, длину или формат ответа. Модель использует плотную архитектуру Qwen3.5 и обучена полным дообучением на наборе iapp/ChindaMT-Grounded из 1,97 млн записей. В README сообщаются результаты оценок на переводческих наборах и попарных сравнениях с моделями сопоставимого размера; эти результаты относятся к описанным авторами протоколам и настройкам генерации. Модель рассчитана на двусторонний перевод тайского и английского текстов, в том числе с ограничениями по формулировкам и оформлению. Обучение использовало ограничение длины входа 1024 токена; для длинных документов рекомендуется переводить текст абзацами, поскольку более длинные входы применяются на риск пользователя. Поддержка за пределами пары тайский—английский не заявлена. Лицензия — Apache-2.0.

Danny-Odin — объединённая языковая модель Edens-Gate на архитектуре Gemma 2, созданная с помощью mergekit методом task arithmetic. В качестве базовой модели использована Edens-Gate/Danny-Test, а Delta-Vector/Odin-9B добавлена в слияние с весом 0,1. Модель содержит 7,1 млрд параметров и работает с контекстом до 8192 токенов. Модель предназначена для генерации текста и чат-диалогов. Её можно применять для творческого письма и ролевых бесед — такие сценарии указаны для базовой модели в метаданных. Репозиторий использует формат safetensors и библиотеку Transformers. Языки и лицензия в предоставленных данных не обозначены.

Entropicengine/DarkTriad-24b — разговорная языковая модель, созданная слиянием трёх предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве базовой использована darkc0de/XortronCriminalComputingConfig; также в слияние вошли OddTheGreat/Apparatus_24B и Entropicengine/Trifecta-Max-24b. Модель построена на плотной архитектуре MistralForCausalLM и содержит 23,4 млрд параметров. Модель предназначена для генерации текста и диалогов, а автор отдельно рекомендует её для ролевых сценариев. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Каталог описывает базовую модель как ориентированную на англоязычные ответы; данных о дополнительных языках в карточке нет. Модель распространяется в формате Safetensors через библиотеку Transformers по лицензии Apache-2.0. Карточка рекомендует пресет Sphiratrioth для ролевых сценариев, но не приводит оценок качества или подробных ограничений применения.

Darwin-4B-Chimera — плотная языковая модель на 3,7 млрд параметров семейства Qwen3, созданная VIDRAFT с применением технологии слияния Chimera и последующей донастройки с подкреплением. Модель предназначена прежде всего для рассуждений на корейском языке и диалогового использования; заявленный контекст составляет 40 960 токенов. Она принимает текст и генерирует текст. В описанном авторами тесте KMMLU на шести предметных областях и 240 отложенных примерах модель набрала 48,3% против 42,9% у базовой Chimera 4B. Веса открыты, однако детали слияния и доработки VIDRAFT не раскрывает. В метаданных указана лицензия Gemma; перед использованием следует проверить её условия.

DataVortexS-10.7B-dpo-v1.5 — корейская диалоговая языковая модель команды Edentns, дообученная на базе megastudy/M-SOLAR-10.7B-v1.3. Она предназначена для генерации ответов в формате чат-ассистента и выполнения задач на понимание корейского языка. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 10,6 млрд параметров и поддерживает контекст до 4096 токенов. Для диалога используется формат ChatML. В карточке приведены результаты оценки на корейских тестах понимания языка и знаний. Модель распространяется под лицензией CC BY-NC-SA 4.0, которая предусматривает некоммерческое использование и распространение производных работ на тех же условиях.

Streaming Sortformer Diarizer 4spk v2.1 — модель NVIDIA для потоковой диаризации речи, то есть определения моментов, когда говорят разные участники разговора, и отнесения речевых фрагментов к говорящим. Она предназначена для онлайн-обработки аудиозаписей и может использоваться в голосовых агентах и конвейерах анализа разговоров на базе NVIDIA NeMo. Модель сочетает 17-слойный энкодер NEST на основе Fast-Conformer и 18-слойный Transformer с размером скрытого слоя 192. Кэш Arrival-Order Speaker Cache хранит акустические представления уже обнаруженных говорящих; модель рассчитана максимум на четыре голоса. В README указана работа с длинными записями, но качество может снижаться на очень длинных аудио. Модель обучалась преимущественно на англоязычных наборах данных. Лицензия в метаданных обозначена как other; конкретные условия следует проверить на странице модели.

ClaudioItaly/Evolutionstory-7B-v2.2 — объединённая языковая модель от ClaudioItaly, созданная с помощью mergekit методом SLERP на основе BarraHome/Mistroll-7B-v2.2 и ClaudioItaly/Evolutionstory. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса safetensors, библиотека — Transformers. Модель предназначена для связной генерации историй по заданной подсказке и может использоваться для ответов на вопросы по предоставленному контексту в сценариях RAG. В README отмечены результаты на IFEval и BBH, а также слабые результаты на сложных задачах по математике и рассуждению. Это указывает на пригодность для творческого письма и генерации текста, но не для точных вычислений или сложных формальных рассуждений. Лицензия — MIT. Язык модели и контекст её обучения не уточняются в предоставленных данных.

flammen15X-mistral-7B — языковая модель FlammenAI на архитектуре Mistral, созданная слиянием предварительно обученных моделей и последующим дообучением методом Direct Preference Optimization на наборах Gutenberg DPO и Chai DPO. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для ролевых диалогов с персонажами, творческого письма и задач общего языкового общения. В карточке также заявлена ориентация на общие интеллектуальные задачи. Модель распространяется в формате safetensors для Transformers по лицензии Apache-2.0.

flammen18-mistral-7B — языковая модель FlammenAI, созданная слиянием предварительно обученных моделей Mistral 7B с помощью mergekit и метода Model Stock. Она предназначена для ролевых диалогов с персонажами, творческого письма и задач общего текстового общения. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В слиянии участвовали модели Flammen, Kunoichi, Suppe, Gutenberg DPO и специализированные варианты для математики и достоверности. Метаданные указывают формат safetensors и библиотеку Transformers. Модель генерирует текст по текстовому запросу. README не сообщает о языковом охвате или оценках качества, поэтому эти характеристики нельзя уточнить. Модель распространяется по лицензии Apache-2.0.

Unbabel/gec-t5_small — модель T5-small, дообученная Unbabel для исправления грамматических ошибок в английском тексте. Она преобразует входное предложение в исправленный вариант и предназначена для проверки грамматики и редактирования текста. В статье, на которой основана реализация, для этой версии сообщается оценка F₀․₅ 60,70 на задаче исправления грамматических ошибок. Модель построена на архитектуре T5 для генерации текста по текстовому входу, содержит 38,5 млн параметров и имеет контекст длиной до 512 токенов. В карточке указаны датасеты CLANG-8, CoNLL-14 и CoNLL-13. Модель распространяется под лицензией Apache-2.0. Результат может требовать проверки человеком; заявленная оценка относится к конкретной версии и условиям эксперимента.

GemMaroc-27B — модель Abderrahman Skiredj, созданная дообучением Gemma 3 для диалогов и генерации текста на марокканском арабском (Darija). Это плотный decoder-only Transformer на базе google/gemma-3-27b-it; LoRA-обучение проводилось на наборе из 50 тысяч инструкций TULU, после чего адаптер объединили с базовыми весами. Модель поддерживает арабский и английский языки и рассчитана прежде всего на Darija, сохраняя способности базовой модели к рассуждению и межъязыковому взаимодействию. Подходит для диалоговых помощников, ответов на вопросы и генерации текстов на Darija, а также для сценариев, где требуется переключение между Darija и английским. Контекст обучения составлял 2048 токенов. Репозиторий содержит веса safetensors; для базовой Gemma 3 предусмотрена обработка изображений, однако карточка GemMaroc описывает дообучение и заявленные возможности преимущественно для текста. Лицензия в предоставленных данных не указана. По README, модель слабее передовых систем в анализе тональности и абстрактивном суммировании, редкие написания Darija могут дробиться токенизатором, а отсутствие RLHF/RLAIF означает необходимость отдельного слоя модерации при использовании в производстве.

Improved-MARBERT-attempt2 — дообученная модель классификации последовательностей на базе Ammar-alhaj-ali/arabic-MARBERT-sentiment, опубликованная пользователем Anwaarma. Она предназначена для классификации арабского текста; исходная модель MARBERT определяет положительную, отрицательную или нейтральную тональность, поэтому этот чекпойнт может применяться для анализа тональности арабских текстов. Архитектура — BERT для классификации последовательностей, размер — около 190 млн параметров, максимальный контекст — 512 токенов. В README приведены результаты оценки: accuracy 0,85 и loss 0,5969. Датасет дообучения обозначен как неизвестный, поэтому результаты не позволяют оценить качество на конкретных жанрах или разновидностях арабского языка. Модель опубликована в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

KoSOLAR-v0.2-gugutypus-10.7B — авторегрессионная языковая модель с дообучением по инструкциям, созданная DongGeon Lee (oneonlee) на базе yanolja/KoSOLAR-10.7B-v0.2. Модель построена на архитектуре SOLAR с классом LlamaForCausalLM, содержит 10,6 млрд параметров и принимает текст, генерируя текст. Её родной контекст составляет 4096 токенов. Модель предназначена для генерации ответов на инструкции и общих языковых задач, особенно на корейском языке. В карточке приведены результаты оценок на корейских и англоязычных тестах, включая Ko-ARC, Ko-MMLU и MMLU. Модель опубликована в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

c1park собрал модель c1park/kosolra-kullm-LDCC-merge методом SLERP с помощью mergekit из realPCH/kosolra-kullm и LDCC/LDCC-SOLAR-10.7B; обе базируются на yanolja/KoSOLAR-10.7B-v0.1. Это плотная авторегрессионная модель семейства Llama с 10,7 млрд параметров для генерации текста. Она рассчитана на корейский и английский языки, имеет контекст до 4096 токенов и распространяется в формате safetensors. Модель подходит для генерации ответов и продолжения текста на корейском и английском языках. Лицензия — MIT. Карточка содержит краткие сведения о слиянии и запуске через Transformers, но не приводит оценок качества или подробных рекомендаций по использованию; результаты на конкретных задачах следует проверять отдельно.

KoVicuna — дообученная языковая модель на архитектуре Llama, созданная June Lee на основе Vicuna. Модель содержит 6,6 млрд параметров и предназначена для генерации текста, в том числе на корейском и английском языках. Модель опубликована в формате PyTorch и имеет контекстное окно 2048 токенов. Карточка не приводит оценок качества или подробных сценариев применения. Лицензия в предоставленных данных не указана.

Модель Minbyul/llama2-7b-dpo-full-wo-healthsearch_qa-ep3 — дообученная методом DPO версия Meta Llama 2 от автора Minbyul. Она предназначена для генерации текста и диалоговых ответов; обучение проводилось на наборе HuggingFaceH4/ultrafeedback_binarized. Модель использует плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и принимает текстовый контекст длиной до 4096 токенов. Карточка приводит метрики оценки на тестовом наборе, включая точность предпочтений 0,7173, но не описывает отдельные специализированные сценарии применения. Базовая модель ориентирована на английский язык, поэтому пригодность для других языков отдельно не подтверждена. Лицензия в предоставленных данных не указана.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-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-german-city-names-last-third-v2-sft-seed4 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.

Sao10K/Llama-3.3-70B-Vulpecula-r1 — совместная модель GradientPutri и Sao10K на архитектуре Llama, дообученная на базе Meta Llama 3.3 70B Instruct. Это диалоговая модель генерации текста с 69,5 млрд параметров и контекстом до 131 072 токенов; для работы используются Transformers и формат Safetensors. Модель предназначена для диалогов, ролевых сценариев и творческого письма с более управляемым стилем и следованием инструкциям. Обучение включало SFT и небольшую долю RL на чатах, ролевых и инструктивных данных, а также отфильтрованных трассах рассуждений DeepSeek-R1. Режим рассуждений можно включить префиксом <think>; модель работает и без него. В первую очередь поддерживается английский язык. Модель распространяется по лицензии Llama 3.3 Community License Agreement и подчиняется Acceptable Use Policy Meta. Авторы просят коммерческих пользователей связаться с ними перед развёртыванием и обеспечить атрибуцию. Авторы также предупреждают о возможных небольших недостатках; отдельные оценки качества в карточке не приведены.

Модель ThatsGroes/Llama-3-8B-instruct-AI-Sweden-SkoleGPT разработана ThatsGroes и дообучена на один эпох на основе AI-Sweden-Models/Llama-3-8B-instruct. Это плотная языковая модель семейства Llama 3 с 7,5 млрд параметров для генерации текста и диалогов; карточка связывает её с набором данных kobprof/skolegpt-instruct. Максимальная длина контекста — 8192 токена. Модель предназначена для генерации ответов и ведения диалога. Базовая модель ориентирована на шведский, датский и норвежский языки; в тегах карточки также указан английский. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка не сообщает результатов оценки качества, поэтому пригодность для конкретных сценариев стоит проверять на собственных данных.

Llama 3 Translation 8B v0.180 — дообученная lemon-mint модель семейства Llama для перевода текста на корейский язык. В карточке показан пример перевода с английского на корейский; базовая модель — maywell/Llama-3-Ko-Luxia-Instruct. Модель имеет 7,6 млрд параметров, архитектуру LlamaForCausalLM, работает через Transformers и поддерживает контекст до 8192 токенов. Модель принимает текстовую инструкцию и исходный текст, а результат выдаёт в виде текста на корейском. Указана лицензия llama3. README не уточняет полный набор языковых направлений или качество перевода; приведённые значения train loss и eval loss не сопровождаются описанием датасета или протокола оценки.

matricide-12B-Unslop-Unleashed-v2 — объединённая redrix модель для генерации текста и диалогов, созданная с помощью mergekit методом NuSLERP на основе MarinaraSpaghetti/NemoMix-Unleashed-12B и TheDrummer/UnslopNemo-12B-v4. Это плотная причинная языковая модель семейства Mistral с 12,1 млрд параметров; для общения используется шаблон ChatML. Модель ориентирована на ролевые диалоги, творческое письмо и ответы в разговорном формате. Автор описывает её как раннюю тестовую сборку: первые проверки показали стабильность и приемлемые ответы, но поведение на длинном контексте не оценено. Хотя в метаданных указан контекст до 1 024 000 токенов, README рекомендует ограничивать его примерно 20 000 токенами, поскольку связность может ухудшаться. Для повторного использования доступна отдельная GGUF-квантизация. Модель распространяется по лицензии Apache-2.0.

NeuraFusionAI выпустила дообученную на датасете FLORES модель перевода на основе T5-small с 38,5 млн параметров. Она предназначена для машинного перевода между китайским и английским языками; в карточке приведены результаты оценки: BLEU 0,4467 и loss 3,8438. Модель принимает текст и генерирует текст, имеет контекстное окно 512 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Подробные сведения о направлении перевода и практических ограничениях в карточке отсутствуют.

Miacaroni-7B-Indonesia — слитая модель на базе Mistral, созданная автором репозитория с помощью LazyMergekit из SanjiWatsuki/Loyal-Macaroni-Maid-7B и indischepartij/OpenMia-Indo-Mistral-7b-v4. Веса объединены методом slerp; модель содержит 7,1 млрд параметров и принимает текст для генерации продолжений и ответов. Модель рассчитана на текстовые диалоги, включая общение на индонезийском языке; базовые модели также предназначены для ролевых диалогов с персонажами. Контекст составляет до 8192 токенов. В репозитории указаны веса в формате safetensors с типом bfloat16. Лицензия в предоставленных данных не указана.

MiniLMv2-goemotions-v2-onnx — компактная модель классификации текста, разработанная minuva. Она дообучена на наборе GoEmotions с использованием tasinho/text-classification-goemotions как модели-учителя и опубликована в формате ONNX с квантизацией для запуска через ONNX Runtime. Модель на базе MiniLMv2-L6-H384 имеет около 33,5 млн параметров и контекст до 514 токенов. Модель предназначена для распознавания эмоций в англоязычном тексте и поддерживает многоклассовую и многометочную классификацию. Её можно использовать для анализа тональности эмоциональных реакций в сообщениях и для развертывания на CPU; автор приводит пример сервера на FastAPI. В сравнении с моделью-учителем показатели на валидации и тесте составили 0,478 и 0,482 соответственно, ниже результатов учителя. Лицензия — Apache-2.0. Компактный размер и формат ONNX рассчитаны на более лёгкое развертывание, но приведённые метрики показывают некоторое снижение качества относительно учителя; оценивать пригодность следует на данных целевого сценария.

flozi00/Mistral-7B-german-assistant-v4 — дообученная модель flozi00 на архитектуре Mistral v0.1 с 7,1 млрд параметров, предназначенная для инструкций и диалогов на немецком языке. Она использует формат общения с маркерами «### User:» и «### Assistant:» и подходит для ответов на запросы и ведения беседы. В README указан контекст обучения 8 тыс. токенов; метаданные модели указывают нативный контекст 32 768 токенов. Модель основана на плотной архитектуре Mistral и распространяется в формате safetensors. Для обучения использовался очищенный и дедуплицированный набор flozi00/conversations; автор описывает модель как uncensored. Лицензия в предоставленных данных не указана.

Mistral-7B-v0.1-arabic — дообученная модель на архитектуре Mistral для генерации текста и ответов на инструкции в формате диалога. Её разработал Mohamad Alhajar, используя supervised fine-tuning с заморозкой части параметров и набор данных alpaca-gpt4-ar. В README указан базовый чекпойнт mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, принимает текст и выдаёт текст. Она рассчитана прежде всего на арабский язык; метаданные также указывают английский. Контекстное окно — до 32 768 токенов. Для запросов используется шаблон с секциями Instruction и Response. Модель предназначена для диалоговых ответов на инструкции и генерации текста. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. README содержит несоответствие в названии модели: текст карточки называет другую модель, поэтому точные настройки обучения следует трактовать с осторожностью.