III.4Клиентская поддержка и customer success

mistral-7b-wiki — дообученная модель разработчиков shleeeee (Seunghyeon Lee) и oopsung (Sungwoo Park), созданная на базе Mistral-7B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Для адаптации использовались LoRA-модули q_proj, k_proj, v_proj, o_proj и gate_proj; в карточке указаны размер пакета обучения 2 и 500 шагов. Модель предназначена для генерации текста на корейском языке по шаблону инструкций Mistral. Её можно применять для ответов на вопросы, генерации и переформулирования корейского текста. В качестве обучающих данных использован собственный корейский датасет. Доступные сведения не устанавливают лицензию, поэтому условия использования определить нельзя.

Mistral-Nemo-Prism-12B-v5 — экспериментальная разговорная модель автора nbeerbower, дообученная на базе nbeerbower/Mahou-1.5-mistral-nemo-12B-lorablated. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров; она предназначена для генерации текста и диалогов. Автор использовал ORPO и датасеты Arkhaios-DPO и Purpura-DPO, стремясь уменьшить архаичный язык и чрезмерно витиеватый стиль в модели без ограничений на темы. В карточке указан контекст до 1 024 000 токенов. Модель может подойти для чат-ботов, свободного диалога и ролевого общения. Автор описывает её как экспериментальную итерацию, а не готовый релиз, поэтому качество и стабильность не гарантированы. Опубликована под лицензией Apache-2.0.

Kaoeiri/MS-MagpantheonselRP-22B-15 — объединённая языковая модель семейства Mistral, созданная с помощью mergekit методом DARE TIES на базе unsloth/Mistral-Small-Instruct-2409. В объединение вошли несколько моделей Mistral-Small на 22 млрд параметров, включая варианты для диалогов и ролевой прозы. Модель предназначена для генерации текста и ведения диалогов; контекстное окно составляет 131 072 токена. Модель работает с текстом и выдаёт текст. Карточка указывает лицензию CC BY-NC-ND 4.0, которая ограничивает распространение производных версий и коммерческое использование. Метаданные отмечают контент, не подходящий для всех аудиторий; фактическое качество, поддерживаемые языки и конкретные ограничения в карточке не описаны.

Neural-SOVLish-Devil-8B-L3 — объединённая текстовая модель на базе Llama 3, созданная автором saishf с помощью mergekit и метода Model Stock. В слияние вошли mlabonne/NeuralDaredevil-8B-abliterated и несколько моделей ResplendentAI, в том числе варианты для диалогов и ролевых сценариев. Модель предназначена для генерации текста, общения и ролевых сцен; автор также отмечает готовность модели отвечать на запросы с инструкциями, включая незаконные действия. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Репозиторий распространяет веса в формате Safetensors для Transformers. README приводит отдельные результаты оценки на бенчмарках, но автор сообщает, что ещё не проверил ролевые сценарии, поэтому их качество не подтверждено. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

jaeyong2/neutts-air-hi-preview — предварительная версия модели синтеза речи на основе Neuphonic NeuTTS Air, дообученная для хинди. Модель содержит 552,8 млн параметров, использует плотную архитектуру Qwen2 и формат Safetensors; для работы указано контекстное окно 32 768 токенов. Модель предназначена для преобразования текста в речь на хинди и английском. Её можно использовать для озвучивания текстов и создания голосовых ответов. Карточка README не содержит описания качества синтеза, поддержки клонирования голоса или подробных инструкций по применению. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-af-es — модель машинного перевода Afrikaans в испанский из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer-align и реализованная как MarianMTModel. Модель содержит 56 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тыс. токенов; максимальный контекст — 512 токенов. Модель предназначена для перевода текстов с африкаанс на испанский. В README приведён результат на тестовом наборе Tatoeba-test.afr.spa: BLEU 49,9 и chr-F 0,680. Доступны веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-az-es — модель машинного перевода из семейства Marian, разработанная Helsinki-NLP в рамках проекта OPUS. Она переводит текст с азербайджанского языка на испанский и предназначена для прямого перевода между этой языковой парой. Модель основана на архитектуре Transformer-align и содержит 29,1 млн параметров. Для токенизации используется SentencePiece с нормализацией текста; контекст ограничен 512 токенами. В тесте Tatoeba для направления азербайджанский—испанский указаны BLEU 11,8 и chr-F 0,346. Весы доступны в форматах PyTorch и TensorFlow; лицензия — Apache-2.0.

Helsinki-NLP разработала OPUS-MT-bg-es — модель машинного перевода с болгарского на испанский. Это трансформер MarianMT с 56,8 млн параметров, принимающий текст на болгарском и выдающий перевод на испанском; для обработки используются нормализация и SentencePiece с раздельными словарями по 32 тысячи единиц. В метаданных указан контекст длиной 512 токенов. Модель предназначена для перевода отдельных фраз и текстов с болгарского на испанский. В README приведён результат BLEU 49,1 на наборе Tatoeba-test.bul.spa. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0. Результаты могут различаться в зависимости от тематики и стиля текста; модель ориентирована на одну языковую пару.

Helsinki-NLP/opus-mt-da-fr — модель машинного перевода датского языка на французский из проекта OPUS. Это плотная модель архитектуры MarianMT на базе Transformer-align, обученная на данных OPUS; предобработка включает нормализацию и SentencePiece. Модель содержит 54,4 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для перевода датских текстов на французский, например предложений и коротких документов. В карточке приведены результаты оценки на Tatoeba.da.fr: BLEU 62,2 и chr-F 0,751. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP разработала opus-mt-de-lt — модель машинного перевода с немецкого языка на литовский. Она построена на архитектуре MarianMT с трансформером и выравниванием, использует нормализацию текста и токенизацию SentencePiece. Модель содержит 55,3 млн параметров и рассчитана на контекст до 512 токенов. Модель обучена на данных OPUS. В README приведён результат BLEU 37,9 и chr-F 0,633 на тестовом наборе Tatoeba.de.lt. Её можно применять для перевода фраз и текстов с немецкого на литовский. Распространяется по лицензии Apache-2.0.

Helsinki-NLP разработала opus-mt-en-ho — модель машинного перевода с английского языка на хауса. Это компактная модель семейства Marian на архитектуре Transformer, обученная на данных OPUS; в предобработке используются нормализация текста и SentencePiece. Модель содержит 46,9 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель предназначена для перевода фраз и текстов с английского на хауса. В README приведены результаты оценки на наборе JW300.en.ho: BLEU 33,9 и chr-F 0,563. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-ml — модель машинного перевода семейства Marian, разработанная Helsinki-NLP для перевода с английского языка на малаялам. Модель построена на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece и содержит 37,8 млн параметров. Для запуска доступны веса PyTorch и TensorFlow; максимальная длина контекста — 512 токенов. Модель обучена на данных OPUS и обратного перевода. Она подходит для перевода текстов с английского на малаялам, включая отдельные фразы и предложения; в README приведён результат BLEU 19,1 на тесте Tatoeba.en.ml. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-ro — модель машинного перевода с английского на румынский, разработанная проектом OPUS и опубликованная организацией Helsinki-NLP. Она предназначена для перевода текстов и обучена на данных OPUS. Модель построена на архитектуре Transformer-align; предобработка включает нормализацию текста и SentencePiece. Веса объёмом 55,7 млн параметров доступны в форматах PyTorch и TensorFlow, лицензия — Apache-2.0. В карточке приведены результаты тестирования: BLEU 30,8 на newsdev2016-enro, 28,8 на newstest2016-enro и 45,3 на Tatoeba.en.ro. Контекст модели составляет 512 токенов. Она рассчитана на перевод с английского на румынский; другие направления перевода не заявлены.

Helsinki-NLP/opus-mt-fr-id — модель машинного перевода из французского языка на индонезийский, разработанная в рамках проекта OPUS. Это трансформерная модель архитектуры MarianMT с выравниванием, обученная на корпусе OPUS; для предобработки используются нормализация текста и SentencePiece. Число параметров — 54,3 млн, длина контекста — 512 токенов. Модель предназначена для перевода текстов с французского на индонезийский. В README приведены результаты на тестовом наборе Tatoeba.fr.id: BLEU 37,2 и chr-F 0,636. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-he-es — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с иврита на испанский; обработка включает нормализацию и SentencePiece с раздельными словарями по 32 тыс. элементов. В модели 57,5 млн параметров, контекст ограничен 512 токенами. Модель подходит для перевода фраз и документов с иврита на испанский. В README приведён результат BLEU 51,3 на тесте Tatoeba для этой языковой пары. Репозиторий содержит веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-nl-es — модель машинного перевода с нидерландского на испанский язык, разработанная в рамках проекта OPUS и опубликованная организацией Helsinki-NLP. Она основана на архитектуре Transformer-align и использует SentencePiece; размер модели составляет 55 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для перевода текстов с нидерландского на испанский. В README приведён результат BLEU 51,6 на тесте Tatoeba.nl.es. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0. Ее языковая специализация ограничена указанной парой; сведения о работе с другими языковыми направлениями не приводятся.

Helsinki-NLP/opus-mt-nl-uk — модель машинного перевода семейства OPUS-MT, разработанная Helsinki-NLP на базе архитектуры Transformer и реализованная как MarianMTModel. Она переводит текст с нидерландского языка на украинский; модель одноязычная для этой языковой пары и использует нормализацию и токенизацию SentencePiece с словарями spm32k. Модель содержит 57,2 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. В карточке приведён результат на тестовом наборе Tatoeba: BLEU 40,8 и chr-F 0,619. Лицензия — Apache-2.0.

Карточка модели suirenka/opus-mt-tc-big-zh-ja на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-tc-big-zh-ja, поэтому описание составлено по ней. Helsinki-NLP/opus-mt-tc-big-zh-ja — модель машинного перевода проекта OPUS-MT, разработанная исследовательской группой Language Technology Research Group Хельсинкского университета. Она переводит текст с китайского языка на японский и предназначена для перевода предложений и текстов в приложениях и рабочих процессах локализации. Модель использует архитектуру Marian Transformer-big; в метаданных указано 133,4 млн параметров и контекст до 1024 токенов. Она обучалась на данных OPUS с предварительной обработкой SentencePiece и доступна в форматах PyTorch, Safetensors и TensorFlow. В опубликованной оценке на наборе Tatoeba zho-ja указаны BLEU 24,6 и chr-F 0,2779. Лицензия — CC-BY-4.0. Оценка на одном тестовом наборе не гарантирует сопоставимого качества на других тематиках и стилях; для важных переводов результат следует проверять.

PolyLM-Multialpaca — языковая модель на 13 млрд параметров, дообученная на PolyLM-13B с помощью набора инструкций Multialpaca. Она предназначена для генерации текста по запросам и выполнения простых инструкций, в том числе на нескольких языках. В метаданных указаны архитектура GPT-2, библиотека PyTorch и контекст до 2048 токенов. Модель может служить основой для простых помощников, генерации черновиков и ответов на одношаговые запросы. Карточка предупреждает о возможных галлюцинациях и токсичных ответах, а также отмечает слабую поддержку многоходового диалога и понимания контекста. Лицензия — Apache 2.0; перед применением рекомендуется отдельно оценить безопасность и справедливость для конкретного сценария.

PPO_Pygway-6b — диалоговая модель генерации текста от KoboldAI, созданная смешиванием весов трёх моделей: KoboldAI/GPT-J-6B-Janeway, reciprocate/ppo_hh_gpt-j и Pygmalion/Pygmalion-6b в соотношении 20:20:60. Она основана на архитектуре GPT-J и предназначена для продолжения диалогов в формате обмена репликами; автор рекомендует запускать её с KoboldAI. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 2048 токенов. Смешивание выполнялось в FP32, итоговые веса сохранены в FP16. Формальная оценка качества отсутствует. Модель может выдавать предвзятые, неприемлемые или NSFW-ответы; автор отмечает умеренную склонность к NSFW-контенту. Лицензия — Apache-2.0.

Q2.5-MS-Mistoria-72b-v2 — диалоговая языковая модель SteelSkull, созданная слиянием нескольких моделей на базе Qwen 2.5 методом Model Stock. Она предназначена для диалогов и генерации связного текста, в частности для создания историй с попыткой сохранить общие интеллектуальные способности исходных моделей. Размер модели составляет 71,5 млрд параметров; архитектура — плотная Qwen2ForCausalLM, формат репозитория — safetensors, длина контекста — 32 768 токенов. Для работы используется формат Qwen. Модель объединяет EVA-Qwen2.5-72B-v0.2, Nexusflow/Athene-V2-Chat, ZeusLabs/Chronos-Platinum-72B и shuttleai/shuttle-3. В метаданных заявлен интерфейс для вызова инструментов. Для этой версии указана лицензия Apache 2.0. Модель крупная и требует значительных вычислительных ресурсов; качество слияния и пригодность для конкретных сценариев могут различаться.

Qwen2.5-0.5B-Instruct-ITA — компактная плотная языковая модель на архитектуре Qwen2, разработанная ReDiX путём дообучения Qwen/Qwen2.5-0.5B-Instruct на наборах ReDiX/DataForge и повседневных диалогах на итальянском языке. Модель содержит 494 млн параметров, работает через Transformers и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов, выполнения инструкций и ответов на итальянском языке. В метаданных также указаны английский язык и интерфейс вызова инструментов. В README приведены результаты оценки на итальянских наборах ARC и HellaSwag, но нет подробного описания сценариев использования или гарантий качества. Лицензия — Apache-2.0.

bartowski/Qwen2.5-32b-RP-Ink-GGUF — это квантизированная версия текстовой генеративной модели Qwen2.5-32b-RP-Ink, разработанной организацией allura-org и преобразованной в формат GGUF с использованием llama.cpp. Доступны варианты от F16 до низкобитных квантизаций Q8_0, Q6, Q5, Q4, Q3 и Q2, поэтому модель можно подобрать под разные ограничения по оперативной памяти и требования к качеству. Модель предназначена для генерации текста, диалоговых сценариев и ролевого общения. В README указаны поддержка английского языка и специализированные теги roleplay и conversational. Для работы рекомендуется использовать llama.cpp или LM Studio и применять шаблон промпта на основе специальных токенов Qwen chat format. Ключевая характеристика модели — размер 32 миллиарда параметров в базовой версии. Это текстовая, а не мультимодальная модель; сведения о длине контекста и точной архитектуре в README не указаны. Старшие варианты квантизации обеспечивают более высокое качество, тогда как Q3 и Q2 требуют меньше памяти, но заметно уступают по качеству; некоторые форматы являются устаревшими. Лицензия — Apache-2.0.

Карточка модели jeffmeloy/Qwen2.5-7B-nerd-uncensored-v1.4 на Hugging Face совпадает с карточкой jeffmeloy/Qwen2.5-7B-nerd-uncensored-v1.0, поэтому описание составлено по ней. Это англоязычная разговорная модель генерации текста на базе Qwen2.5-7B, созданная jeffmeloy методом композиционного объединения слоёв моделей Qwen2.5. Для каждого слоя выбирался вариант с наибольшим Normalized Effective Rank (NER), оценивающим использование размерностей весовой матрицы. В карточке указано, что модель рассчитана на uncensored-диалоги и генерацию текста; размер составляет 7,1 млрд параметров, архитектура — плотная Qwen2ForCausalLM, формат весов — safetensors, контекст — до 131072 токенов. Модель подходит для диалоговых сценариев и свободной генерации текста на английском языке. Метаданные также отмечают интерфейс вызова инструментов, однако не описывают его поведение или качество. Модель распространяется по лицензии Apache-2.0. Карточка описывает способ выбора и объединения слоёв, но не приводит сравнительных оценок качества или подробностей тестирования.

Sorawiz/Qwen2.5-7B-Thai-Instruct — чат-модель на основе Qwen2.5, созданная объединением нескольких тайскоязычных инструкционных моделей и адаптеров с помощью mergekit и метода Model Stock. Она содержит 7,1 млрд параметров, использует архитектуру Qwen2 для генерации текста и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и выполнения инструкций на тайском языке. Она может генерировать ответы на вопросы и участвовать в чат-сценариях; формат диалогов — ChatML. Доступны веса Safetensors, а также упомянуты статические квантованные версии GGUF в отдельном репозитории. Карточка не сообщает результаты оценок качества или подробные ограничения. Модель выпущена 26 января 2025 года. Лицензия в предоставленных данных не указана.

sabaridsnfuji/Qwen3-1.7B-tamil-16bit-Instruct — дообученная разговорная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 1,7 млрд параметров. Разработчик позиционирует её как ранний шаг к набору моделей для тамильского языка; в метаданных также указан английский язык. Модель принимает текст и генерирует текст, поддерживает контекст до 40 960 токенов и интерфейс для вызова инструментов. Модель предназначена для диалога и генерации текста. В карточке приведены заявленные оценки качества 70,4%, беглости 91,4% и безопасности 98,4%; методика и наборы оценки не описаны. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Qwen3.5-2B-Vi-DPO — языковая модель для генерации текста и диалогового взаимодействия, опубликованная под идентификатором Phuc-HugigFace/Qwen3.5-2B-vi-dpo. Она является дообученной версией Phuc-HugigFace/Qwen3.5-2B-Vi-SFT и создана с использованием библиотеки TRL. По названию модель относится к классу Qwen с заявленным размером около 2 млрд параметров и ориентирована на вьетнамский язык или вьетнамоязычные сценарии, однако точные сведения о языках, архитектуре и размере контекста в README не приведены. Модель предназначена для текстовой генерации, чат-ботов и ответов на пользовательские запросы. Для выравнивания поведения применён метод Direct Preference Optimization (DPO), который дообучает модель на предпочтениях без отдельного этапа обучения reward-модели. В README приведён пример использования через Transformers pipeline с генерацией ответа на диалоговый запрос, включая запуск на GPU. К сильным сторонам относятся специализированное дообучение после SFT и оптимизация предпочтений с помощью DPO, что может улучшать качество и согласованность диалоговых ответов. Ограничения модели связаны с отсутствием в карточке данных о результатах оценки, качестве на конкретных наборах, поддерживаемых языках, максимальной длине контекста, безопасности и производительности. Лицензия обозначена как license, но её конкретные условия в README не раскрыты.

Realtime-Venus-Omni-heretic-ARA — производная модель justsumguy на основе inclusionAI/Realtime-Venus, которая, в свою очередь, дообучена на openbmb/MiniCPM-o-4_5. Это плотная мультимодальная архитектура RealtimeVenusOmni с 7,6 млрд параметров и контекстом до 40 960 токенов. Веса BF16 сохранены в формате safetensors; репозиторий также содержит ONNX-файлы. Модель предназначена для потокового аудиовизуального диалога в реальном времени: принимает текст, изображения, аудио и видео, а также может выдавать текст и речь. В этой версии применена abliteration языковой башни, направленная на снижение частоты отказов; визуальная и аудиобашни, синтез речи и связанные компоненты оставлены без изменений. Карточка сообщает о 4 отказах из 100 в повторной проверке после изменения весов. Модель поддерживает чат и интерфейс вызова инструментов. Для работы требуется Transformers с удалённым кодом; автор приводит пример загрузки через trust_remote_code. BF16-веса занимают около 18,7 ГБ и не помещаются на видеокарту с 16 ГБ памяти; автор предлагает сборку NVFP4 или NF4-квантизацию языковой части. Лицензия — Apache-2.0.

Samantha Qwen2 1.5B — диалоговая языковая модель на базе Qwen2, дообученная автором карточки для ролевого общения от лица персонажа и ответов в формате чат-ассистента. Модель содержит 1,5 млрд параметров, использует плотную архитектуру Qwen2 и принимает текстовые сообщения по шаблону system/user/assistant. Заявленная длина контекста — 131 072 токена. Модель обучена на смеси ролевых диалогов, данных Samantha, uncensored-материалов и примеров вызова функций; в метаданных также перечислены наборы OpenHermes, UltraChat и другие датасеты. Она подходит для ролевых бесед, обычных диалоговых ответов и сценариев, где требуется интерфейс чата. В README модель охарактеризована как преимущественно SFW. Это дообучение Qwen/Qwen2-1.5B с использованием QLoRA; доступность адаптера указана в карточке. Формат весов — Safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

jeiku/Sausage_3B — разговорная языковая модель, созданная разработчиком jeiku слиянием нескольких предварительно обученных моделей StableLM Epoch с помощью mergekit и линейного метода. В слияние вошли Rosa_v1_3B и варианты, ориентированные на диалоги, теорию сознания, ролевые сценарии и другие настройки поведения. Модель предназначена для генерации текста и диалогов в формате ИИ-компаньона. Она имеет плотную архитектуру StableLMEpochForCausalLM, содержит 2,7 млрд параметров и рассчитана на контекст до 4096 токенов. Поддерживаемый язык — английский. Карточка не приводит оценок качества или подробных ограничений генерации. В состав слияния входят модели с разными поведенческими настройками, поэтому ответы могут быть неоднородными. Лицензия в предоставленных сведениях не указана.