III.4Клиентская поддержка и customer success

Hammer2.1-0.5b — компактная языковая модель с 493,7 млн параметров, разработанная MadeAgents на основе Qwen/Qwen2.5-Coder-0.5B-Instruct. Это плотная авторегрессионная модель семейства Qwen2, дообученная для вызова функций и работы с инструментами; поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для диалоговых сценариев, где ассистент должен выбирать подходящие функции, выполнять несколько вызовов в рамках запроса и продолжать работу с инструментами в нескольких ходах диалога. Она также обучена распознавать случаи, когда доступные функции не подходят, и отвечать без вызова функции. Подходит для локального и мобильного инференса, а также для развёртывания через vLLM или Transformers. Модель ориентирована на генерацию текста и структурированных ответов для вызова инструментов; README не заявляет поддержку других модальностей или конкретных естественных языков. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Helix SCE 12B — языковая модель для генерации текста, созданная DarkArtsForge слиянием нескольких предварительно обученных моделей Mistral через mergekit. В качестве базовой использована MuXodious/Mistral-Nemo-Instruct-2407-absolute-heresy; в слияние также вошли модели Evertide-RX-12B, Aurora-SCE-12B, Elysian-Sunrise-12B, Mythic-Fabulist-12B и Prototype-X-12b. Архитектура — плотная MistralForCausalLM, размер — 12,1 млрд параметров, окно контекста — 131 072 токена. Модель предназначена для диалогов, ролевых сценариев и творческого письма на английском языке. Она распространяется в формате safetensors и рассчитана на использование через Transformers; лицензия — Apache-2.0. Карточка не содержит оценок качества или подробных результатов тестирования.

Higgs TTS 3 — модель преобразования текста в выразительную разговорную речь, разработанная Boson AI. Она предназначена для озвучивания ответов в голосовых чатах и создания речи с управлением эмоциями, стилем, просодией, паузами и звуковыми эффектами; поддерживает клонирование голоса по образцу в zero-shot режиме. Модель использует авторегрессионный декодер примерно на 4 млрд параметров с архитектурой Higgs на основе Qwen3. Текстовые и аудиотокены обрабатываются вперемежку; аудио кодируется восемью кодбуками с частотой 25 кадров в секунду. Длина контекста составляет 8192 токена. В README заявлена поддержка более 100 языков: качество выше для основной группы из 85 языков, тогда как для ещё 17 языков результаты менее отшлифованы. Модель подходит для озвучивания диалогов, подкастов, видео и публикаций в социальных сетях. Лицензия Boson Higgs TTS 3 Research and Non-Commercial License разрешает исследовательское и некоммерческое использование; для коммерческих продуктов, размещённых API и встраивания в сервис требуется отдельная лицензия. Создатели цифрового контента могут бесплатно монетизировать созданные материалы при указании авторства Boson AI's Higgs Audio. Лицензия запрещает клонирование голоса без согласия, имитацию личности, мошенничество, обман на выборах и биометрическое наблюдение.

japanese-stablelm-base-gamma-7b-Mistral-7B-Instruct-v0.1 — языковая модель, объединяющая Mistral-7B-Instruct-v0.1 от Mistral AI и Japanese StableLM Base Gamma 7B от Stability AI методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов в диалогах. Основной сценарий — общение и выполнение запросов на японском языке; метаданные также отмечают поддержку японского языка и контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка указывает параметры слияния, но не приводит оценок качества или сравнительных тестов, поэтому пригодность для конкретных задач следует проверять отдельно.

Theros/L3-ColdBrew-Altair-test — диалоговая языковая модель, созданная слиянием моделей на базе Llama 3 с помощью mergekit и метода Model Stock. В объединение вошли SvalTek/L3-ColdBrew-SpicyReflect, а также пары моделей с адаптерами от NeverSleep, Etherll, cgato и Azazelle. Модель предназначена для генерации текста в чатах и ролевых беседах. Она имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно 8192 токена; репозиторий содержит веса Safetensors. Карточка базовой модели указывает на поддержку обычных чат-задач и эротических сценариев. В README не приведены сведения о лицензии и результаты оценки качества, поэтому их нельзя уточнить по доступным данным.

ahnyeonchan/legendary-river-koalpaca — корейская инструкционная языковая модель, созданная дообучением Sheared-LLaMA-1.3B с помощью LoRA на данных корейской Википедии и KoAlpaca. Это плотная авторегрессионная модель семейства LLaMA с 1,3 млрд параметров и контекстом до 4096 токенов; она принимает текст и генерирует текстовые ответы на инструкции и запросы на корейском языке. Модель подходит для диалога, ответов на вопросы и генерации корейского текста; карточка приводит оценки на ряде задач понимания и рассуждения, но не описывает отдельные специализированные возможности.

Apollo Raines представил Llama-3.1-8B-Instruct-Flat-Concise — вариант Llama 3.1, изменённый инструментом jBlaze для подавления эмоциональной окраски и многословия. По описанию автора, изменения внесены непосредственно в веса без дополнительного обучения. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM; метаданные указывают 7,5 млрд параметров, контекст до 131 072 токенов и формат safetensors. Модель предназначена для диалогов и генерации кратких, сдержанных ответов на английском языке; также поддерживает интерфейс вызова инструментов. Автор называет релиз демонстрационной версией с намеренно сниженной полнотой возможностей, предназначенной для проверки концепции. Приведённые примеры показывают, что ответы могут оставаться многословными, а в примере про вскрытие замка модель предоставляет потенциально опасные инструкции. Автор сообщает, что известных проблем не наблюдалось, но это не является независимой оценкой качества или безопасности. Лицензия — Llama 3.1; применимость её условий следует оценивать по лицензии базовой модели.

Konthee/Llama-3.1-8B-ThaiInstruct — текстовая генеративная модель Konthee, дообученная методом QLoRA на наборе airesearch/WangchanThaiInstruct от unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Она предназначена для диалогов и генерации ответов на тайском языке. Модель основана на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и опубликована в формате PyTorch. Метаданные указывают контекст до 131 072 токенов; в README длина последовательности при обучении указана как 2 048 токенов. Модель можно применять для тайскоязычного чат-бота, ответов на инструкции и генерации текста. Она распространяется по лицензии Apache-2.0. README сообщает об обучении в течение одной эпохи с помощью Unsloth и TRL; отдельные оценки качества не приведены.

pooka74/LLaMA3-8B-Chat-Chinese — чат-модель на основе Meta Llama 3 8B, дообученная для китайского языка с помощью Llama-Factory. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст, а заявленная длина контекста составляет 8192 токена. Модель подойдёт для китайскоязычных чат-ботов, ответов на вопросы и генерации текста. В README указано дообучение Meta Llama 3 Instruct 8B, но подробности обучающих данных и оценки качества не приведены. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0.

Это GGUF-квантизированная версия модели llama3-8b-it-translation-general-en-ko-1sent, разработанная mradermacher на основе модели nayohan. Модель создана для перевода предложений между английским и корейским языками и ориентирована на общую тематику. При обучении использовался датасет nayohan/aihub-en-ko-translation-1.2m. В основе лежит Llama 3 с 8 млрд параметров; поддерживаются текстовые входы и выходы на английском и корейском языках. README не указывает размер контекста и точные архитектурные характеристики исходной модели. Распространяются варианты в формате GGUF с разными схемами квантизации и размером примерно от 2,1 до 6,7 ГБ, что позволяет выбирать между требованиями к памяти, скоростью и качеством. Более агрессивная квантизация может заметно снижать качество перевода; для баланса характеристик рекомендован вариант i1-Q4_K_M. Модель подходит для локального запуска и автоматизированного перевода коротких англо-корейских текстов. Лицензия указана как llama3, однако README не приводит дополнительные условия или ограничения лицензии.

Lumiere-7B — разговорная текстовая модель на архитектуре Mistral, опубликованная Envoid. Она создана с помощью LoRA на базе Undi95/MistRP-Dolphin-7B и предназначена для генерации ответов и ролевых диалогов. Для ролевых сценариев автор рекомендует формат промпта Libra-32B; для инструкций подходит формат с секциями «Instruction» и «Response». Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель ориентирована на выразительные, в том числе взрослые ответы; автор отмечает более интеллектуальный и чувственный стиль генерации. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Lumimaid-v0.2-8B — разговорная языковая модель на архитектуре Llama, дообученная командой Lumimaid на базе Meta-Llama-3.1-8B-Instruct. Версия 0.2 использует очищенный и расширенный набор диалоговых данных, составленный из инструктивных, творческих и ролевых текстов; в карточке указаны авторы и участники проекта Undi и IkariDev. Модель предназначена для генерации текста и диалогов, включая творческое письмо и ролевые сценарии. Она содержит 7,5 млрд параметров, работает с шаблоном Llama-3-Instruct и имеет заявленное окно контекста 131 072 токена. Доступен формат safetensors; метаданные также отмечают интерфейс вызова инструментов. Модель помечена как предназначенная не для всех аудиторий и может выдавать взрослый или токсичный контент; поведение и качество зависят от запроса и используемого системного промпта. Лицензия CC BY-NC 4.0 требует указания авторства и запрещает коммерческое использование.

NAMAA-Space/masrawy-english-to-egyptian-arabic-translator-v2.9 — дообученная модель машинного перевода на архитектуре MarianMT, созданная на основе Helsinki-NLP/opus-mt-tc-big-en-ar. Она переводит текст с английского языка на египетский диалект арабского. По данным карточки, обучение проводилось на более чем 150 тысячах примеров и свыше 10 миллионов токенов; для запуска указан Transformers pipeline с задачей translation. Размер модели — 163,4 млн параметров, контекст — до 1024 токенов. Модель предназначена для перевода английских фраз на египетский арабский, включая повседневные запросы и диалоги. В README сообщается о значении loss 1,2957 на оценочной выборке и втором месте в рейтинге переводчиков египетского диалекта после gpt-4o; методика и условия этих сравнений не описаны, поэтому результаты не гарантируют качество на других текстах. Модель распространяется по лицензии CC BY 4.0.

Maya1 — авторегрессионная модель синтеза речи, разработанная Maya Research и опубликованная на Hugging Face. Она принимает текст вместе с описанием желаемого голоса на естественном языке, например с указанием тембра, высоты, темпа, акцента и манеры речи, и генерирует аудио. Для управления выражением речи поддерживаются встроенные маркеры эмоций и вокальных событий; модель предсказывает дискретные акустические токены SNAC, которые декодируются в звуковую волну. В основе лежит decoder-only трансформер семейства Llama примерно на 3,3 млрд параметров: 28 слоёв, 24 головы внимания и 8 key-value голов. В README заявлены инкрементальная выдача аудио, развёртывание на одной GPU и интеграция с vLLM. Метаданные указывают контекст 131 072 токена и язык карточки en; это не гарантирует одинаковое качество речи на всех языках. Модель предназначена для озвучивания текста с настраиваемым голосом и выразительной подачей, в том числе в голосовых интерфейсах и службе поддержки. Лицензия — Apache 2.0. Ограничения включают вариативность произношения и разборчивости между языками и акцентами, приблизительное следование описаниям голоса, возможные пропуски, повторы и ошибки в именах или числах, а также снижение согласованности на длинных фрагментах. Маркеры выражения не задают точные временные границы, длительность или интенсивность. Для развёртывания нужны вычислительные ресурсы и отдельные меры защиты и контроля приложения.

mergekit-community/mergekit-slerp-uegcctd — объединённая языковая модель на архитектуре Mistral, созданная сообществом с помощью mergekit. Веса двух предварительно обученных моделей, crestf411/MN-Slush и spow12/ChatWaifu_12B_v2.0, объединены методом SLERP в формате bfloat16; размер составляет 12,1 млрд параметров. Конфигурация задаёт MN-Slush для входных и выходных слоёв и ChatWaifu_12B_v2.0 для промежуточных слоёв. Модель предназначена для генерации текста и диалогов. Её можно применять для творческого письма и ролевого общения, что согласуется с описанием одной из базовых моделей. В карточке указано контекстное окно 1 024 000 токенов и интерфейс чата. Точная языковая специализация и результаты оценки качества в карточке не описаны. Модель распространяется в формате safetensors; сведения о лицензии отсутствуют в предоставленных данных.

Карточка модели NostraEmpire/mirror-qwen2-audio-7b-instruct на Hugging Face совпадает с карточкой Qwen/Qwen2-Audio-7B-Instruct, поэтому описание составлено по ней. Qwen2-Audio-7B-Instruct — мультимодальная аудиоязыковая модель серии Qwen2-Audio, разработанная командой Qwen. Это чат-модель с плотной архитектурой Qwen2-Audio и примерно 7 млрд параметров, предназначенная для голосового общения и анализа аудио по текстовым инструкциям. Модель принимает аудиосигнал, может вести голосовой диалог без текстового ввода и отвечать на вопросы или выполнять инструкции об аудиозаписи. Поддерживается пакетный инференс; взаимодействие в примерах использует формат ChatML. В метаданных указан английский язык, а карточка описывает работу с речевыми инструкциями и различными аудиовходами. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Для запуска требуется актуальная версия Transformers с поддержкой Qwen2-Audio; карточка советует устанавливать библиотеку из исходного кода, иначе возможна ошибка распознавания архитектуры. Карточка не приводит подробных результатов оценки качества или перечня ограничений по аудиоформатам.

MN-Chinofun — объединённая модель генерации текста, опубликованная пользователем djuna и созданная с помощью mergekit методом Model Stock. За основу взята ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.1, а в объединение также вошли NemoDori, ChatWaifu, MN-12B-Siskin и Canidori. Модель использует плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Модель предназначена для генерации текста и разговорного взаимодействия, включая творческое письмо и ролевые диалоги, унаследованные от базовой модели. Метаданные указывают нативный контекст до 1 024 000 токенов; модель работает через библиотеку Transformers и опубликована в формате safetensors. README не сообщает лицензию, поэтому условия использования по доступным сведениям определить нельзя. Результаты приведённых в карточке оценок включают IFEval 61,10 и BBH 28,48; они сами по себе не гарантируют качество в конкретном сценарии.

MUSE-news_target — текстовая авторегрессионная модель семейства Llama, опубликованная организацией muse-bench на Hugging Face. Она предназначена для генерации текста; репозиторий предоставляет веса в формате Safetensors для Transformers. Модель содержит около 6,6 млрд параметров и имеет контекстное окно 2048 токенов. Карточка модели не описывает специальное назначение, обучающие данные, поддерживаемые языки или разработчика базовой модели. Лицензия в доступной карточке не обозначена. По имеющимся сведениям модель подходит для стандартной генерации текста, но её качество и ограничения для конкретных задач не документированы.

myawesomebooksmodel2 — модель T5, дообученная Taisiia7 на основе utrobinmv/t5_translate_en_ru_zh_small_1024. Она предназначена для генерации текста по текстовому запросу; базовая модель поддерживает перевод между английским, русским и китайским языками, однако README не уточняет специализацию дообучения на книжных данных. Модель содержит 62,7 млн параметров и распространяется в формате safetensors через библиотеку Transformers. В README приведены результаты оценки: BLEU 41,4247, Loss 0,9046 и средняя длина генерации 39,2936. Датасет обучения и конкретные ограничения не описаны. Лицензия — Apache-2.0.

techolise/nllb-english-twi-finetuned-v2 — двунаправленная модель машинного перевода английского языка и асанте-тви (акан), разработанная Techolise и дообученная на корпусе Ghana Open Knowledge. Модель основана на архитектуре M2M100 для условной генерации текста, содержит 463,7 млн параметров и имеет контекст до 1024 токенов. Она предназначена для перевода фраз и предложений с английского на асанте-тви и обратно, с упором на разговорные формулировки и идиомы. README заявляет, что дообучение на более чем 457 тысячах параллельных предложений снижает повторения и буквальные переводы; также модель рассчитана на совместное применение с отдельной системой синтеза речи Twi. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Заявления о качестве и устранении повторений приводятся в карточке модели; независимые оценки качества не представлены.

Helsinki-NLP/opus-mt-af-sv — модель машинного перевода семейства MarianMT, разработанная проектом OPUS-MT и предназначенная для перевода с африкаанс на шведский. Она построена на архитектуре Transformer-align, содержит 55,1 млн параметров и использует нормализацию текста и токенизацию SentencePiece. Метаданные указывают максимальную длину контекста 512 токенов и поддержку PyTorch и TensorFlow. Модель обучена на данных OPUS; в README приведён результат BLEU 40,4 и chr-F 0,599 на тестовом наборе JW300.af.sv. Её можно применять для перевода отдельных текстов и локализации материалов с африкаанс на шведский. Лицензия Apache-2.0 разрешает использование, изменение и распространение модели при соблюдении её условий.

Helsinki-NLP/opus-mt-bg-tr — модель машинного перевода семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с болгарского на турецкий; обучающие языковые варианты включают болгарскую кириллицу и латиницу. Модель содержит 57,5 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тыс. единиц, а её родной контекст составляет 512 токенов. Модель предназначена для перевода отдельных фраз и текстов с болгарского на турецкий. В карточке приведён результат BLEU 40,9 и chr-F 0,687 на тесте Tatoeba для этой языковой пары. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-bg-uk — модель машинного перевода из семейства MarianMT, разработанная Helsinki-NLP на основе проекта OPUS. Она переводит текст с болгарского на украинский; источник использует нормализацию и токенизацию SentencePiece с моделью словаря spm32k. Модель содержит 55,8 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель предназначена для перевода отдельных фраз и текстов с болгарского на украинский. В карточке приведён результат BLEU 49,2 и chr-F 0,683 на тестовом наборе Tatoeba для этой языковой пары. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ca-es — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с каталанского языка на испанский и подходит для перевода отдельных фраз и документов. Модель основана на архитектуре Marian Transformer с выравниванием, содержит 50,6 млн параметров и использует нормализацию текста и токенизацию SentencePiece. Максимальная длина контекста — 512 токенов. Для обучения использовались данные OPUS. В карточке приведены результаты на тестовом наборе Tatoeba.ca.es: BLEU 74,9 и chr-F 0,863. Модель доступна в форматах PyTorch и TensorFlow по лицензии Apache-2.0. Она предназначена для направления ca→es; качество перевода в других языковых направлениях не подтверждено.

Helsinki-NLP/opus-mt-en-ht — модель машинного перевода из семейства OPUS-MT, разработанная проектом Helsinki-NLP. Она переводит текст с английского языка на гаитянский креольский. Модель построена на архитектуре Marian Transformer; в репозитории представлены веса PyTorch и TensorFlow. Размер модели — 49,6 млн параметров, длина контекста — до 512 токенов. При подготовке текста используются нормализация и SentencePiece. Модель предназначена для перевода предложений и текстовых фрагментов в пользовательских приложениях и рабочих процессах локализации. В README приведены результаты на тестовых наборах JW300 и Tatoeba: BLEU 38,3 и 45,2 соответственно. Модель обучена на данных OPUS. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-es-bg — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMTModel. Она переводит текст с испанского языка на болгарский; обучение основано на проекте Tatoeba-Challenge. Модель содержит 56,8 млн параметров, использует нормализацию и токенизацию SentencePiece с словарями размером 32 тыс. токенов; длина контекста — 512 токенов. Модель подходит для перевода отдельных фраз и текстов с испанского на болгарский. В README приведены результаты на тестовом наборе Tatoeba-test.spa.bul: BLEU 50,9 и chr-F 0,674. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-es-ca — модель машинного перевода, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с испанского на каталанский и обратно не предназначена. Модель основана на архитектуре MarianMT и Transformer-align, содержит 51,8 млн параметров и использует нормализацию текста и SentencePiece с словарями spm32k. Естественный контекст — 512 токенов. Модель подходит для перевода фраз и документов с испанского на каталанский. В карточке приведена оценка BLEU 68,9 и chr-F 0,832 на наборе Tatoeba-test.spa.cat; эти результаты относятся к указанному тесту. Доступны форматы PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-et-fi — модель машинного перевода эстонского языка на финский, созданная проектом OPUS. Она использует архитектуру Transformer в реализации Marian и обучена на данных OPUS. Предобработка включает нормализацию текста и SentencePiece; размер модели составляет 54,9 млн параметров, а длина контекста — 512 токенов. Модель предназначена для перевода текстов с эстонского на финский. В README приведена оценка BLEU 26,6 и chr-F 0,546 на тестовом наборе JW300.et.fi. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-id-sv — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с индонезийского языка на шведский и предназначена для перевода предложений и текстов между этой языковой парой. Модель построена на архитектуре Transformer-align с MarianMT и содержит 54,1 млн параметров; для предварительной обработки используются нормализация и SentencePiece. Указанный контекст составляет 512 токенов. В карточке приведён результат BLEU 32,7 и chr-F 0,527 на тестовом наборе JW300 для пары id–sv. Модель распространяется по лицензии Apache-2.0. Оценка на одном тестовом наборе не гарантирует аналогичного качества на других типах текстов.

Helsinki-NLP/opus-mt-it-bg — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с итальянского на болгарский; для предобработки используются нормализация и SentencePiece с моделью словаря 32k. Модель содержит 56,6 млн параметров, её контекст составляет 512 токенов. Модель подходит для перевода отдельных фраз и текстов с итальянского на болгарский. В README приведён результат BLEU 47,9 и chr-F 0,664 на наборе Tatoeba-test.ita.bul. Она не заявлена как мультиязычная и предназначена для одного направления перевода. Распространяется по лицензии Apache-2.0.