III.4Клиентская поддержка и customer success

Модель kevinscaria/atsc_tk-instruct-base-def-pos-neg-neut-combined — дообученная версия T5, разработанная в рамках работы InstructABSA по instruction learning для аспектного анализа тональности. Она предназначена для классификации тональности указанного аспекта в отзыве: на вход подаются текст отзыва и подсказка с определением задачи и примерами положительной, отрицательной и нейтральной тональности, а модель генерирует текстовый ответ. Обучение охватывает отзывы о ноутбуках и ресторанах; для этих доменов авторы сообщают о конкурентных результатах относительно актуального на момент публикации уровня качества. Модель содержит 123,7 млн параметров и распространяется в формате PyTorch. Лицензия — MIT.

BanglaLLM-SA-v3 — языковая модель семейства Llama, разработанная nayemabs и дообученная на основе BanglaLLM/BanglaLLama-3.2-3b-bangla-alpaca-orca-instruct-v0.0.1. Модель с 3,2 млрд параметров предназначена для генерации текста и диалоговых ответов; в карточке указана архитектура LlamaForCausalLM и формат PyTorch. Модель поддерживает бенгальский и английский языки. Для неё заявлена длина контекста до 131 072 токенов. При обучении использовались Unsloth и библиотека Hugging Face TRL. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результаты оценки качества или подробности обучающих данных, поэтому фактические сильные стороны и ограничения в конкретных сценариях по ней оценить нельзя.

eugenesiow выпустил крупную модель BART, дообученную для перефразирования предложений. Это последовательная модель «текст в текст» с двунаправленным энкодером и авторегрессионным декодером; она содержит 252,8 млн параметров и рассчитана на контекст до 1024 токенов. Обучение проводилось на наборах Quora, PAWS и MSR Paraphrase Corpus на основе facebook/bart-large. Модель принимает английское предложение и генерирует его перефразированный вариант. Её можно применять для переформулирования текста и подготовки вариантов формулировок. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — Apache 2.0.

BiBo-Mini-1.7B-SFT-Stage-1 — диалоговая языковая модель компании tinycompany для генерации текста и общения. Это дообученная плотная модель архитектуры LLaMA с 1,8 млрд параметров по метаданным; автор указывает 1,7 млрд активных параметров с учётом слоя эмбеддингов. Модель обучена на наборе tinycompany/Instruct-Is-All-You-Need, использует специализированный токенизатор QTK-81K и поддерживает контекст до 8192 токенов по метаданным. Модель предназначена для многоязычной генерации, особенно на хинди, английском и Hinglish — смешении хинди и английского. Автор отмечает способность формировать рассуждения на Hinglish и английском и предлагает модель как основу для дальнейшей разработки моделей с рассуждениями. Среди заявленных особенностей обучения — 6 млрд токенов, архитектура LLaMA и обучение на TPU; независимые результаты оценивания в карточке не приведены. Модель принимает текст и выдаёт текст. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Карточка не приводит подробных оценок качества или ограничений по безопасности; поэтому пригодность для конкретных задач стоит проверять отдельно.

Bielik-11B-v2.2-Instruct-EXL2-4.5bit — квантизированная версия модели SpeakLeash Bielik-11B-v2.2-Instruct, подготовленная SpeakLeash и ACK Cyfronet AGH; за квантизацию отвечал Ремигиуш Кинас. Это плотная авторегрессионная модель Mistral с причинным декодером и примерно 11 млрд параметров, настроенная для диалогов и генерации текста на польском языке. Контекстное окно составляет 32 768 токенов. Модель подходит для польскоязычных диалоговых сценариев и генерации ответов. Представлена в формате EXL2 с квантизацией 4,5 бита, что сокращает требования к памяти. Квантизация может снижать качество ответов и повышать вероятность галлюцинаций. В README указаны лицензия Apache 2.0 и дополнительные условия использования; перед применением следует учитывать оба набора условий.

Chronos-Platinum-72B — плотная языковая модель Zeus Labs на базе Qwen2.5-72B, дообученная в течение двух эпох на наборе Chronos Divergence с использованием шаблона диалога ChatML. Модель содержит 71,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для ролевых диалогов, написания историй и общих задач помощника. Она принимает текст и генерирует текст; в карточке описаны сценарии чата и творческого письма. Для работы рекомендуется ChatML-шаблон, а результаты зависят от системного промпта и настроек генерации. В репозитории указаны веса Safetensors; также упомянуты сторонние квантизации GGUF и EXL2, для которых качество может отличаться, особенно при квантизации ниже 5 bpw EXL2. Лицензия в предоставленных данных не указана.

DataDecide-dolma1_7-no-code-1B-57500_60000_62500_65000_67500_weightedavg_merge — объединённая языковая модель на основе архитектуры Llama, созданная с помощью mergekit. В неё линейно объединены пять предварительно обученных контрольных точек Dolma 1.7 no-code; базовой указана контрольная точка step67500. Модель содержит 1,2 млрд параметров и работает с контекстом до 2048 токенов. Модель предназначена для генерации текста. Метка no-code указывает на ориентацию исходных контрольных точек на данные без кода, но карточка не описывает конкретные прикладные сценарии или результаты оценки качества. Репозиторий использует Transformers и хранит веса в формате safetensors. Лицензия в предоставленных сведениях не указана.

DeutschGPT-i1-GGUF — набор квантизированных моделей в формате GGUF, созданный mradermacher на основе KordAI/DeutschGPT. Модель предназначена для генерации текста, диалогового взаимодействия и чат-сценариев, прежде всего на немецком языке. В карточке указана библиотека Transformers и теговая принадлежность к text-generation, conversational и chat. Доступны варианты квантизации i1 и imatrix с размерами примерно от 0,6 до 1,5 ГБ. Предлагаются различные уровни IQ- и Q-квантизации: от крайне компактных вариантов с низким качеством до более крупных Q5 и Q6. В качестве оптимальных по соотношению размера, скорости и качества отмечены i1-Q4_K_S и i1-Q4_K_M, при этом конкретное число параметров, размер контекста, точная архитектура и поддерживаемые модальности в README не указаны. Основные преимущества — небольшой размер файлов, возможность локального запуска и широкий выбор вариантов под разные ограничения по памяти и скорости. Ограничения связаны с потерей качества при низких уровнях квантизации; некоторые варианты прямо обозначены как имеющие очень низкое качество. Лицензия базовой модели указана как Apache-2.0, однако отдельные условия распространения квантизированных файлов в README не уточняются.

DoppelPotato — текстовая генеративная модель на архитектуре Mistral, собранная nbeerbower с помощью mergekit из частей модели nbeerbower/mistral-nemo-kartoffel-12B. В конфигурации Passthrough повторяется диапазон слоёв 27–33; итоговый чекпойнт содержит 13,2 млрд параметров и сохранён в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные указывают контекстное окно до 1 024 000 токенов. Карточка не описывает специализацию по предметным областям, языковое покрытие или лицензию, поэтому эти свойства нельзя уточнить. Указание на возможность чата не гарантирует качество ответов; особенности поведения и результаты оценки в карточке не приведены.

abhi1nandy2/EManuals_RoBERTa — модель семейства RoBERTa, представленная автором abhi1nandy2. Она предназначена для извлечения признаков из текста и может использоваться как основа для получения текстовых представлений в сценариях поддержки клиентов и вопросно-ответных систем. Модель содержит 151,8 млн параметров, принимает текст и имеет контекстное окно до 514 токенов. В метаданных указаны реализация на PyTorch и формат весов PyTorch. Карточка README не содержит описания обучения или результатов, поэтому специализация на руководствах и качество в конкретных задачах не подтверждены. Лицензия в предоставленных метаданных не указана.

Emotionality_binary — англоязычный классификатор текста на базе DeBERTa-v3-base, дообученный автором ajrayman для бинарного определения эмоциональности текста. Модель содержит 211,6 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт класс классификации. В README приведены результаты на оценочной выборке: accuracy 0,609, precision 0,573, recall 0,850, F1 0,685 и AUC 0,721. Эти показатели характеризуют только указанную выборку; описание датасета и подробности обучения не приведены. Модель распространяется по лицензии MIT.

Erk-14B — языковая модель с 14 млрд параметров, разработанная eCloud Yazılım Teknolojileri на основе Qwen/Qwen3-14B. Это плотная авторегрессионная модель с архитектурой Qwen3ForCausalLM; она сохраняет исходные токенизатор и формат диалога, а её контекст составляет 40 960 токенов. Модель предназначена прежде всего для генерации текста на турецком языке, диалогов и выполнения инструкций. Версия v2 прошла продолженное обучение на турецких текстах, настройку на инструкциях и этап укрепления идентичности; авторы сообщают о первом месте среди 17 моделей в TurkMorfBench, особенно по морфологии. Модель также подходит для многоязычной генерации и ответов на вопросы, однако специализация и опубликованные оценки сосредоточены на турецком языке. В README отмечены слабые результаты в математике и числовых рассуждениях, возможные ошибки в свежих или узкоспециальных фактах и риск фактических ошибок в генерации. Для критически важных ответов требуется проверка. Указанная в метаданных лицензия — other; конкретные условия использования в доступных данных не раскрыты.

Gaon-1.7B v2 Translate — модель для перевода между корейским и английским языками. Она основана на архитектуре Qwen3 и дообучена на 100 тысячах открытых параллельных пар из новостных, разговорных и энциклопедических текстов; дополнительный набор диалогов помогает сохранять возможности общего чата. Модель содержит 1,7 млрд параметров и имеет контекст длиной 2048 токенов. Модель предназначена для локального использования и перевода простых и средних по сложности предложений в обоих направлениях. Для генерации автор рекомендует температуру 0,3. Доступны сторонние GGUF-квантизации, а также браузерная демонстрация с WebGPU. Модель распространяется по лицензии Apache-2.0. На длинных предложениях со сложной структурой модель может пропускать или добавлять уточняющие обороты. README характеризует перевод таких текстов как ограничение модели масштаба 1,7 млрд параметров.

Это дообученная диалоговая модель Google Gemma 2 на 2,7 млрд параметров, представленная в формате safetensors и предназначенная для генерации текста. Контекст модели составляет до 8192 токенов; в качестве базовой модели указана google/gemma-2-2b-it. README не раскрывает целевые сценарии дообучения, обучающие данные или результаты оценки, поэтому специализацию модели установить нельзя. Базовая Gemma 2 ориентирована на английский язык. Модель распространяется по лицензии Gemma.

Это модель для классификации тональности испаноязычных комментариев в социальных сетях. Она разработана erickdp как дообученная версия fastino/gliner2-multi-v1: LoRA-адаптер обучен только для анализа тональности, затем объединён с базовыми весами. Модель использует библиотеку GLiNER2 и распространяется в формате safetensors по лицензии Apache-2.0. Модель относит текст к позитивной, негативной или нейтральной тональности по критерию оценочной окраски содержания: благоприятное или полезное содержание считается позитивным, неблагоприятное или вредное — негативным, а текст без явной окраски — нейтральным. В пилотной оценке на двух источниках средние macro-F1 составили 0,671, а accuracy — 0,721. Хотя базовая модель поддерживает динамические схемы других задач, они не входили в supervised-обучение этой версии и требуют отдельной проверки. Обучающая выборка содержала 2 500 примеров: половина была сгенерирована Claude, половина взята из размеченных людьми данных; распределение классов намеренно смещено в сторону позитивных примеров. На человеческом тестовом наборе полнота для нейтрального класса была слабой. Результаты пилота не гарантируют качество на других источниках и определениях тональности; перед применением следует проверить модель на репрезентативных данных с человеческой проверкой.

HumanFlow-Llama3-8B — дообученная модель на основе Llama 3, разработанная для переписывания текста, сгенерированного ИИ, в более естественном и читаемом стиле. Она меняет не только отдельные слова, но также ритм предложений, структуру, тон и связность. Модель предназначена для редактирования и генерации текста, включая улучшение блогов, SEO-переписывание, персонализацию писем и интеграцию в контентные сервисы. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Она принимает текст и выдаёт текст; заявленная карточкой поддержка языка — английский. Указаны формат safetensors и библиотека Transformers. В README приведены внутренние оценки, но методика и независимая проверка не описаны, поэтому эти показатели не гарантируют качество на других типах текстов. Лицензия — Apache-2.0.

KoAlpaca-Polyglot-5.8B — корейская авторегрессионная языковая модель, разработанная на базе EleutherAI/polyglot-ko-5.8b и дообученная авторами KoAlpaca на наборе KoAlpaca-v1.1b. Она предназначена для генерации и продолжения текста на корейском языке; её можно применять для диалоговых ответов и инструктивных текстовых запросов. Модель использует плотную архитектуру GPT-NeoX и содержит 7,6 млрд параметров. Максимальный контекст — 2048 токенов. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

koOpenChat-sft-Mistral-7B-Instruct-v0.1 — объединённая чат-модель MaziyarPanahi на основе mistralai/Mistral-7B-Instruct-v0.1 и maywell/koOpenChat-sft. Она использует архитектуру MistralForCausalLM с плотной сетью на 7,1 млрд параметров и предназначена для генерации ответов на инструкции и диалоговые запросы. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В README указано, что веса объединены методом SLERP с настройками смешивания для слоёв self-attention и MLP. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. В названии и базовых моделях есть указание на корейскую направленность, однако карточка не описывает языковой охват и результаты оценки качества.

Kumru-2B — открытая инструктивная языковая модель VNGRS, разработанная с нуля для турецкого языка. Это плотная авторегрессионная модель семейства Mistral с 2,4 млрд параметров; она обучена на 300 млрд токенов из очищенного и дедуплицированного корпуса объёмом 500 ГБ, а затем дообучена с учителем на 1 млн примеров. Модель принимает текст и генерирует текст в диалоговом формате. Модель предназначена для турецкоязычного общения и генерации текста, включая исправление грамматических ошибок и суммаризацию. Токенизатор BPE с турецкой предварительной токенизацией и словарём на 50 176 токенов рассчитан на эффективное представление турецкого текста; поддерживаются шаблон чата, код и математика. Контекст — до 8 192 токенов, хотя авторы оценивают эффективную длину контекста примерно в 1 128–1 618 токенов при сравнении с многоязычными моделями. Модель распространяется по лицензии Apache-2.0. Она ориентирована прежде всего на турецкий язык; заявленные результаты бенчмарка Cetvel не гарантируют аналогичного качества на других языках или во всех сценариях.

trinhkhng/linear_Merged_gpt2-medium_0.3 — языковая модель семейства GPT-2, созданная слиянием методом Linear через mergekit. В слиянии использованы /kaggle/working/gpt2-medium с весом 0,7 и /kaggle/working/debias_gpt2-medium с весом 0,3; для токенизатора указан ComCom/gpt2-small. Модель предназначена для генерации текста по текстовому контексту и может применяться для продолжения фраз и создания черновиков. Модель использует плотную архитектуру GPT2LMHeadModel, распространяется в формате safetensors и поддерживает контекст до 1024 токенов. В карточке нет данных о лицензии или специальных прикладных областях. Слияние с моделью, обозначенной как debias_gpt2-medium, само по себе не подтверждает отсутствие предвзятости или её снижение.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-second-third-v2-sft-seed2-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.

Модель atsuki-yamaguchi/Llama-3.1-8B-Instruct-te-madlad-mean-tuned — языковая модель на архитектуре Llama, созданная на базе Meta Llama 3.1 8B Instruct для работы с телугу. Она прошла дополнительное предобучение на 500 млн токенов телугу из набора MADLAD-400; для языка добавлен целевой словарь объёмом 10 тысяч токенов, веса новых эмбеддингов и LM head инициализированы средним значением. Модель предназначена для генерации текста и диалоговых сценариев на телугу. Она содержит около 7,5 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. Репозиторий использует Transformers и формат safetensors; метаданные также отмечают интерфейс для вызова инструментов. Модель распространяется по лицензии Llama 3.1 Community License Agreement. Качество и надёжность ответов на телугу могут зависеть от конкретной задачи; отдельные результаты оценки в карточке не приведены.

Llama-3.2-11B-Vision-Instruct-Swallow-8B-Merge — объединённая модель Kendamarron на архитектуре mllama. Она создана методом Chat Vector на основе Llama-3.2-11B-Vision-Instruct с добавлением японских языковых возможностей из Llama-3.1-Swallow-8B-v0.1; в рецепте также используется Llama-3.1-8B. Модель предназначена для диалогов и работы с изображениями вместе с текстом, включая японские запросы. Карточка указывает лицензию llama3.2. Число параметров и длина контекста для этой версии в предоставленных данных не указаны.

Llama-3-8B-Taiwan-Llawa-TCxYZL-Instruct — разговорная модель семейства Llama, опубликованная пользователем lopentu. Это дообученная версия Llama 3 с 7,5 млрд параметров, обученная одновременно на наборах TaiwanChat-Refined и SelfCollect-YZ. Она предназначена для генерации текста и диалогового общения; карточка указывает поддержку китайского языка и контекст до 8192 токенов. Модель распространяется в форматах PyTorch и safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

simonbutt дообучил модель на основе unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная модель семейства Llama 3 с 7,5 млрд параметров, предназначенная для генерации текста; заявленная длина контекста — 8192 токена. В карточке не описаны специализированная область обучения, конкретный набор данных или целевые сценарии, поэтому модель можно охарактеризовать только как текстовую генеративную. Модель принимает текст и генерирует текст на английском языке. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не приводит результатов оценки качества или дополнительных ограничений применения.

LLaMAdelic — диалоговая модель, созданная дообучением LLaMA 3 8B Instruct на диалогах с акцентом на черты личности Big Five: открытость, добросовестность, экстраверсию, доброжелательность и нейротизм. Модель разработана для создания более индивидуальных и выразительных ответов в разговорных системах. Она подходит для чат-ботов и виртуальных собеседников, генерации текста и ответов на вопросы с заданным личностным тоном, а также для образовательных и терапевтических помощников. В карточке приведена оценка на OCEAN Personality Benchmark; это не подтверждает пригодность для клинических или иных высокорисковых решений. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. README указывает на обучение на наборе JIC (Journal Intensive Conversations). Файлы размещены в формате safetensors; для запуска используется библиотека Transformers. Лицензия в предоставленных данных не указана.

Magnum v4 27B — чат-модель Anthracite, дообученная для воспроизведения качества прозы Claude 3 Sonnet и Opus. Она построена на Gemma 2 с 27,6 млрд параметров и использует архитектуру Gemma2ForCausalLM; модель распространяется в формате Safetensors и рассчитана на генерацию текста в диалоговом формате. Модель подходит для написания и продолжения прозы, ответов в чатах и ролевых диалогов. В README приведён формат общения с отдельными ролями system, user и assistant; среди обучающих данных есть наборы инструкций, диалогов и генераций для ролевых сценариев. Указанный родной контекст — 8192 токена, основной язык карточки — английский. Magnum v4 27B обучалась два эпоха методом полного дообучения на восьми GPU H100. В README приведены результаты оценки на Open LLM Leaderboard, включая среднее значение 26,33; это не гарантирует качество для конкретного сценария. Лицензия — Gemma; перед использованием следует учитывать её условия.

Magnum v4 9B — языковая модель для генерации текста в формате GGUF, разработанная организацией anthracite-org. Она создана для воспроизведения качества прозы, характерного для моделей Claude 3, прежде всего Sonnet и Opus, и подходит для чатового взаимодействия, творческого письма, ролевых сценариев и продолжения повествований. Модель представляет собой дообученную версию Gemma 2 9B в варианте с ChatML-разметкой. Репозиторий содержит GGUF-квантизации; исходные веса доступны в отдельном репозитории. Указана поддержка английского языка, задача — text generation, рекомендуемый формат взаимодействия использует последовательности ChatML. В конфигурации обучения указана максимальная длина последовательности 8192 токена. Для работы могут применяться шаблоны SillyTavern. К сильным сторонам относятся специализация на выразительной прозе, диалогах и ролевом повествовании, а также доступность квантизированных версий GGUF. Ограничения включают размер базовой модели 9B, англоязычную ориентацию и отсутствие в README подробных результатов оценки, сведений о производительности разных квантизаций и описания мультимодальных возможностей; модель заявлена как текстовая. Распространение осуществляется по лицензии gemma.

Карточка модели MergekitCloud/mergekit-65 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-49, поэтому описание составлено по ней. MergekitCloud/mergekit-49 — объединённая языковая модель, созданная с помощью mergekit методом Model Stock на базе vicgalle/Humanish-Roleplay-Llama-3.1-8B. В объединение также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и опубликована в формате safetensors с точностью float16. Модель предназначена для генерации текста в диалоге и ролевых сценариях. Она принимает текстовые запросы и выдаёт текст; заявленная длина контекста — 131072 токена. В метаданных отмечена возможность chat. Лицензия в предоставленных данных не указана.

Модель muzammil-eds/Meta-Llama-3.1-8B-Instruct-English-to-French-v2 разработана muzammil-eds как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная языковая модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров, предназначенная для диалогов и генерации текста. Название указывает на сценарий перевода с английского на французский, однако README не приводит подробностей обучения или результатов перевода. Модель принимает текст и генерирует текст; метаданные указывают контекст до 131 072 токенов и поддержку английского языка. Она распространяется в формате safetensors по лицензии Apache-2.0. README сообщает, что обучение проводилось с использованием Unsloth и Hugging Face TRL.