III.4Клиентская поддержка и customer success

L3-8B-Stheno-2x8B-MoE — экспериментальная разговорная модель на архитектуре Mixture of Experts, созданная jsfs11 с помощью LazyMergekit путём объединения Sao10K/L3-8B-Stheno-v3.1 и Sao10K/L3-8B-Stheno-v3.2. Модель предназначена для генерации текста и диалогов; базовые модели ориентированы на ролевое общение, написание историй и выполнение инструкций. Модель содержит 7,5 млрд параметров, использует архитектуру Mixtral и принимает текст, выдавая текст. Контекст — до 8192 токенов. Репозиторий содержит веса в формате safetensors. Указана лицензия Apache-2.0. Карточка не приводит собственных оценок качества или подробностей о поведении объединённой модели. В тегах есть пометка not-for-all-audiences, поэтому модель может выдавать контент, не подходящий для всех аудиторий.

Vdr1/L3-8B-Sunfall-v0.5-Stheno-v3.2 — экспериментальная разговорная модель для генерации текста и ролевых диалогов. Она создана слиянием LoRA Sunfall L3 8B v0.5 от crest4all с Sao10K/L3-8B-Stheno-v3.2. В метаданных указаны архитектура Llama, плотная модель примерно на 7,5 млрд параметров, контекст до 8192 токенов и формат safetensors; также заявлена возможность чата. Модель рассчитана на генерацию ответов в диалоге и ролевые сценарии. README называет её экспериментальной и отсылает к рекомендуемым настройкам, но не приводит их в карточке. Данных о лицензии и специальных ограничениях применения в предоставленных материалах нет; тег not-for-all-audiences указывает, что модель не предназначена для любой аудитории.

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

Luna-2x7B-MoE — языковая MoE-модель, опубликованная ResplendentAI и предназначенная автором для ролевых диалогов и работы в качестве персонального помощника. README описывает её как основу для взаимодействий с персонажем Luna и сообщает о двух наборах экспертов на базе 7B-моделей; метаданные указывают архитектуру MixtralForCausalLM и 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. Автор сообщает, что подключал модель к проектору Llava Mistral 1.6 для описания изображений в Koboldcpp, однако это требует отдельного проектора и не подтверждает встроенную поддержку изображений в самой модели. Также упомянута отдельная голосовая модель XTTSv2; синтез речи не является задачей Luna. В README говорится о повышенных требованиях к вычислениям по сравнению с одиночной 7B-моделью. Лицензия — Apache-2.0.

Magot-v3-Gemma2-8k-9B — объединённая языковая модель на базе Gemma 2, созданная grimjim с помощью mergekit и метода SLERP из anthracite-org/magnum-v3-9b-chatml и grimjim/Kitsunebi-v1-Gemma2-8k-9B. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста, сочетая следование инструкциям с творческой выразительностью Magnum. Её можно применять для ролевых сценариев, написания прозы и ответов в чате; автор отмечает склонность к более короткой генерации по сравнению с исходным Magnum. В карточке приведён ориентир для генерации: температура 1 и minP 0,01. Модель распространяется по лицензии Gemma. По оценке автора, связность умеренно высокая, но сохраняется смещение к недавним событиям; качество и актуальность фактов не гарантируются этими характеристиками.

mesolitica/malaysian-mistral-7b-32k-instructions-v2 — плотная языковая модель Mistral объёмом 7,1 млрд параметров, дообученная командой mesolitica на наборе инструкций на малайском языке. Модель использует шаблон чата Mistral Instruct и предназначена для генерации ответов на малайские запросы и диалогового взаимодействия; пример в карточке показывает ответ на вопрос о малайзийском пенсионном фонде KWSP. Модель принимает текст и генерирует текст. Контекст — до 32 768 токенов. В карточке указана минимальная модерация, поэтому ответы могут содержать нежелательный или неподходящий контент. Лицензия в предоставленных данных не указана.

Карточка модели MergekitCloud/mergekit-15 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.

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.

Meta-Llama-3-11.5B — плотная авторегрессионная языковая модель на архитектуре Llama, созданная mpasila с помощью mergekit. Это экспериментальное объединение слоёв предварительно обученной модели Undi95/Meta-Llama-3-8B-hf методом passthrough: в итоговую модель включены диапазоны слоёв 0–23 и 8–31. Модель содержит около 11 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Модель предназначена для генерации английского текста и диалоговых ответов. В метаданных заявлена задача text-generation и возможность чата. README описывает объединение предварительно обученных моделей, а не инструкционную версию; для неё автор указывает отдельную модель Meta-Llama-3-11.5B-Instruct. Лицензия — Llama 3 License. Карточка не сообщает об оценках качества, поэтому пригодность результата merge для конкретных задач следует проверять отдельно.

Meta-Llama-3-8B-Instruct_fictional_German_v1 — диалоговая языковая модель семейства Llama, дообученная разработчиком на наборе данных generator на основе meta-llama/Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на генерацию текста в диалоговом формате с контекстом до 8192 токенов. Модель подходит для генерации ответов в чате и других сценариев, где требуется продолжение текста. Название указывает на немецкую тематику, однако README и метаданные не подтверждают, что модель специально обучена немецкому языку или на вымышленных текстах. Вес опубликован в формате safetensors. Указана лицензия other; конкретные условия использования по доступным данным определить нельзя. README не содержит сведений о результатах оценки или известных ограничениях.

Severian/Mistral-v0.2-Nexus-Internal-Knowledge-Map-7B — дообученная модель на архитектуре Mistral, созданная с помощью Unsloth на наборе Internal Knowledge Map. Модель предназначена для генерации текста и диалоговых ответов на основе сведений, представленных в обучающих Markdown-документах. В карточке отмечено, что влияние датасета заметно в ответах, а формат промпта может влиять на результат; лучше всего автору подошёл шаблон с разделами «### Prompt:» и «### Response:».

cgato выпустил Nemo-12b-Humanize-KTO-v0.1 как первую публичную версию модели для диалогов и ролевых сценариев. Это плотная языковая модель семейства Mistral с 12,1 млрд параметров, дообученная методом KTO на 7122 ответах, оценённых человеком: 2398 ответов были приняты, 4724 отклонены. Для желательных ответов использовался вес в 2,5 раза выше. Автор стремился сократить употребление шаблонных фраз и повторов, используя мало синтетических данных. Модель принимает текст и генерирует текст, поддерживает чатовый формат ChatML с системным промптом и контекст до 131072 токенов. Она подходит для диалогов и ролевых бесед. Рекомендуемые автором форматы запуска — safetensors или ExLlama2; в GGUF некорректно обрабатывается конечный токен, что снижает качество. Автор также отмечает, что модель может писать реплики за пользователя в первых ответах, а мужские персонажи представлены в данных недостаточно. Лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения.

Helsinki-NLP/opus-mt-cs-uk — модель машинного перевода OPUS-MT для перевода с чешского языка на украинский. Она разработана Helsinki-NLP на архитектуре MarianMT с моделью Transformer-align; в репозитории представлены веса PyTorch и TensorFlow, размер модели — 57,3 млн параметров, контекст — до 512 токенов. Модель предназначена для перевода отдельных фраз и текстов с чешского на украинский. В предварительной обработке используются нормализация и SentencePiece с разбиением на подслова. В README приведён результат BLEU 50,9 на Tatoeba-test.ces.ukr; это оценка на указанном наборе, а не гарантия качества для других текстов и жанров. Модель опубликована под лицензией Apache-2.0. Она специализирована на одном направлении перевода: чешский → украинский; для обратного перевода или других языковых пар потребуется другая модель.

Helsinki-NLP/opus-mt-es-et — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с испанского языка на эстонский. Модель построена на архитектуре Transformer-align с использованием Marian и SentencePiece; число параметров — 54,9 млн, максимальный контекст — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Модель обучена на данных OPUS. В карточке приведён результат BLEU 20,7 и chr-F 0,466 на тестовом наборе JW300.es.et. Она подходит для перевода отдельных фраз и текстов с испанского на эстонский; качество может зависеть от тематики и стиля входного текста. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-eu-es — модель машинного перевода из серии OPUS-MT, разработанной Helsinki-NLP. Она переводит текст с баскского языка на испанский; модель построена на архитектуре MarianMT с Transformer и использует нормализацию и токенизацию SentencePiece с словарями размером 32 тыс. токенов. Веса доступны в форматах PyTorch и TensorFlow. Модель содержит 54,9 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для перевода отдельных фраз и текстов с баскского на испанский. В README приведён результат BLEU 48,8 на наборе Tatoeba для этой языковой пары. Лицензия — Apache-2.0, допускающая использование и распространение на её условиях.

Helsinki-NLP/opus-mt-fr-sv — модель машинного перевода на базе архитектуры Marian, предназначенная для перевода с французского языка на шведский. Она разработана в рамках проекта OPUS и обучена на данных OPUS; обработка текста включает нормализацию и SentencePiece. Модель содержит 54,9 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель подходит для перевода предложений и текстовых фрагментов с французского на шведский. В README приведены результаты на тестовом наборе Tatoeba.fr.sv: BLEU 60,1 и chr-F 0,744. Распространяется по лицензии Apache 2.0. Карточка не описывает специализированные области применения или ограничения качества за пределами указанного тестирования.

Helsinki-NLP/opus-mt-hu-de — модель машинного перевода с венгерского языка на немецкий из семейства OPUS-MT, разработанная Helsinki-NLP. Она построена на архитектуре MarianMT с Transformer и предназначена для перевода предложений; при предобработке используются нормализация и SentencePiece. Модель насчитывает 55,2 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. В карточке приведён результат BLEU 44,1 и chr-F 0,637 на тестовом наборе Tatoeba.hu.de. Модель подходит для перевода венгерских текстов на немецкий, однако README не описывает её качество на других наборах данных или для текстов иных жанров. Лицензия — Apache-2.0.

Helsinki-NLP opus-mt-it-de — модель машинного перевода из семейства Marian, разработанная Helsinki-NLP в рамках проекта OPUS. Она переводит текст с итальянского на немецкий и предназначена для автоматического перевода предложений и текстовых фрагментов. Модель основана на Transformer-align, использует нормализацию и токенизацию SentencePiece; содержит 55,8 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. В README приведён результат BLEU 49,4 и chr-F 0,678 на тестовом наборе Tatoeba.it.de. Модель выпущена под лицензией Apache-2.0. Она ориентирована на перевод только с итальянского на немецкий; приведённые метрики относятся к указанному тестовому набору и сами по себе не гарантируют качество на других текстах и тематиках.

Helsinki-NLP/opus-mt-it-fr — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с итальянского языка на французский и предназначена для перевода отдельных фраз и документов. Модель построена на архитектуре MarianMT с Transformer и использует нормализацию текста и токенизацию SentencePiece. Размер модели — 55,6 млн параметров, длина контекста — 512 токенов. В карточке приведены результаты на наборе Tatoeba.it.fr: BLEU 67,9 и chr-F 0,792. Модель доступна в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ja-nl — модель машинного перевода проекта OPUS, опубликованная Helsinki-NLP. Она переводит текст с японского языка на нидерландский; модель не заявлена как многоязычная. Это плотная модель архитектуры MarianMT на базе Transformer с выравниванием, содержащая 58,4 млн параметров. Для предобработки используются нормализация и SentencePiece с словарями размером 32 тыс. токенов; длина контекста составляет 512 токенов. В тесте Tatoeba-test.jpn.nld указаны BLEU 34,7 и chr-F 0,534. Модель предназначена для автоматического перевода японских фраз и текстов на нидерландский, например для перевода пользовательских сообщений, справочных материалов и локализации. Поддерживаются варианты японского письма, включая кандзи, хирагану, катакану и латиницу. Лицензия — Apache-2.0. Карточка приводит оценку на одном тестовом наборе; качество для других жанров и длинных текстов этими результатами не характеризуется.

Helsinki-NLP выпустила OPUS-MT ko-es — модель машинного перевода с корейского на испанский на архитектуре Marian (Transformer-align). Она принимает корейский текст и генерирует перевод на испанском; модель предназначена для перевода предложений и текстовых фрагментов между этими языками. Модель содержит 58,4 млн параметров, доступна в форматах PyTorch и TensorFlow и использует нормализацию и SentencePiece с моделями токенизации по 32 тыс. единиц. Указанная длина контекста — 512 токенов. В тесте Tatoeba для пары корейский–испанский приведены BLEU 31,3 и chr-F 0,521. Модель распространяется по лицензии Apache-2.0. Качество перевода может зависеть от тематики, стиля и длины текста; приведённые оценки относятся к указанному тестовому набору.

Helsinki-NLP/opus-mt-ko-fr — модель машинного перевода корейского текста на французский, опубликованная проектом Helsinki-NLP в рамках семейства OPUS-MT. Это плотная модель MarianMT на архитектуре Transformer-align с 58,4 млн параметров; использует нормализацию и SentencePiece с словарями spm32k. Модель рассчитана на перевод между корейским и французским языками, включая варианты записи корейского, указанные в карточке. Контекст составляет до 512 токенов. В тесте Tatoeba для пары ko→fr указаны BLEU 30,4 и chr-F 0,503. Модель подходит для перевода отдельных фраз и текстовых сегментов; эти тестовые показатели не гарантируют качество на других жанрах и тематиках. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-lv-es — модель машинного перевода на архитектуре Transformer-align из семейства MarianMT, разработанная в рамках проекта OPUS. Она переводит текст с латышского языка на испанский. Модель обучена на данных OPUS; в предварительную обработку входят нормализация текста и SentencePiece. Размер — 55 млн параметров, максимальный контекст — 512 токенов. В тесте JW300.lv.es указаны BLEU 21,7 и chr-F 0,433. Модель подходит для перевода предложений и текстовых фрагментов с латышского на испанский; результаты теста не гарантируют качество для других тематик и типов текста. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-pt-uk — модель машинного перевода из серии OPUS-MT, разработанной Helsinki-NLP. Она переводит текст с португальского языка на украинский и предназначена для прямого перевода между этой языковой парой. Модель основана на архитектуре Transformer-align и представлена в Transformers как MarianMTModel; содержит около 57 млн параметров. Перед обработкой текст нормализуется и разбивается SentencePiece с отдельными словарями по 32 тыс. элементов для исходного и целевого языков. В README приведён результат BLEU 39,8 на Tatoeba-test.por.ukr. Метаданные указывают контекст 512 токенов и форматы PyTorch и TensorFlow. Модель принимает текст на португальском и выдаёт текст на украинском. Она подходит для перевода предложений и коротких текстов; качество на других типах данных и доменах в карточке не охарактеризовано. Лицензия — Apache-2.0.

Helsinki-NLP разработала эту модель в рамках проекта OPUS-MT для машинного перевода с русского языка на латышский и литовский. Она основана на архитектуре Marian и обучена на данных OPUS; веса доступны в форматах PyTorch, Safetensors и TensorFlow. Модель содержит 56,9 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для перевода фраз и текстов с русского на латышский или литовский. В карточке приведены результаты оценки на тестовых наборах Tatoeba и FLORES-101. Лицензия — CC BY 4.0.

Writer/palmyra-20b-chat — чат-модель семейства Palmyra от Writer, представленная как GPT-2 и предназначенная для генерации текста в диалоговом формате. По метаданным, она обучена на наборах WizardLM Evol Instruct V2 и OpenOrca; поддерживаемая задача — text-generation. Модель работает с текстом и рассчитана на английский язык, а её контекст ограничен 2048 токенами. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. В README приведены результаты оценки на Open LLM Leaderboard: средний балл 38,97, ARC — 43,52 и HellaSwag — 72,83. Модель снята с поддержки; авторы не рекомендуют применять её в производстве или критически важных сценариях.

Модель francesca9805/ppt-wc-uniform-newlex-heb-before-100mb-packed-bfd_seed3407 — дообученная с помощью TRL модель семейства GPT-2 на основе goldfish-models/eng_latn_100mb. Она предназначена для генерации текста по запросу; в карточке приведён пример ответа на открытый вопрос. Репозиторий использует библиотеку Transformers и формат safetensors, а длина контекста составляет 512 токенов. Базовая модель предназначена для генерации текста на английском языке, поэтому английский — основной язык модели. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-ind-before-100mb-packed-bfd_seed10 — дообученная с помощью TRL версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; в карточке приведён пример ответа на открытый вопрос. Модель использует архитектуру GPT-2, веса сохранены в формате safetensors, контекст составляет 512 токенов. Модель можно применять для продолжения текста и генерации ответов на вопросы на английском языке. Сведения о лицензии и специальных ограничениях в предоставленных материалах отсутствуют.

Карточка модели RRNicole1014/Qwen2.5-3B-Instruct-Rol-Game-AD на Hugging Face совпадает с карточкой RRNicole1014/Qwen2.5-3B-Instruct-Profesor-Albus-Dumbledore, поэтому описание составлено по ней. RRNicole1014/Qwen2.5-3B-Instruct-Profesor-Albus-Dumbledore — дообученная разговорная языковая модель семейства Qwen2.5, разработанная RRNicole1014 на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру Qwen2ForCausalLM, около 3,1 млрд параметров и контекстное окно до 32 768 токенов. В карточке заявлен английский язык. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Данных о специализации на задачах, связанных с профессором Альбусом Дамблдором, карточка не приводит.

devpotatopotato/qwen3-8b-keyword-260812 — дообученная методом полного SFT модель Qwen3-8B, созданная на датасете numiamath_keywords. Она предназначена для генерации текста в диалоговом формате; точная специализация по ключевым словам из названия и датасета не описана в карточке, поэтому её нельзя уверенно определить. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров. Принимает текст и генерирует текст, поддерживает диалоговый режим; родительская Qwen3-8B описана как многоязычная модель для следования инструкциям, рассуждений, работы с кодом и вызова инструментов. Для этой версии указано контекстное окно 40 960 токенов. Лицензия обозначена как other, без уточнения условий в предоставленных данных.