III.4Клиентская поддержка и customer success

KoRAE — дообученная Cartinoe5930 корейская языковая модель для диалоговой генерации текста. Модель построена на архитектуре Llama и основана на beomi/llama-2-koen-13b; в базовую модель добавлен корейский словарь. Размер составляет 12,9 млрд параметров, длина контекста — 2048 токенов. Модель обучали на отфильтрованном наборе корейских данных, объединяющем OpenOrca-KO, KOpen-Platypus, KoCoT_2000 и databricks-dolly-15k-ko. Для эффективного дообучения применялись LoRA и Flash-Attention 2. Модель предназначена для диалога и генерации ответов на корейском языке; карточка сообщает об экспериментах с качеством данных и обучением, но не приводит конкретных ограничений по применению или качества для отдельных сценариев. Лицензия — CC BY-NC-SA 4.0, предусматривающая некоммерческое использование и распространение производных материалов на тех же условиях.

PALM-7B-Teluglish — дообученная ramm0 языковая модель на архитектуре Qwen2 для генерации текста и диалогов. Она основана на unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель подходит для генерации ответов в чате и других текстовых сценариев. В карточке не описаны специализация Teluglish, обучающие данные и результаты оценки качества, поэтому её пригодность для конкретных языковых задач не подтверждена. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

PULI LlumiX 32K instruct — венгероязычная инструкционная донастройка модели NYTK/PULI-LlumiX-32K, опубликованная ariel-ml. Это плотная причинно-языковая модель семейства LLaMA-2 с 6,6 млрд параметров и контекстом до 32 768 токенов; веса представлены в формате safetensors с точностью float16. Модель обучали три эпохи на примерно 53 тысячах венгерских инструкций из boapps/szurkemarha, используя шаблон ChatML и LoRA. Она предназначена для диалоговых ответов и выполнения инструкций на венгерском языке, в том числе с длинным контекстом. Базовая модель также поддерживает английский, но README описывает дообучение только на венгерских инструкциях. Модель распространяется по лицензии Llama 2. В README указано ограничение максимальной длины последовательности 32 768 токенов; качество ответов за пределами венгерского инструкционного сценария отдельно не охарактеризовано.

Corianas/Quokka_590m — англоязычная GPT-2-модель с 590 млн параметров, дообученная Corianas на Cerebras 590M с использованием инструментов DataBricks Dolly. Дообучение проводилось в течение двух эпох, чтобы модель лучше следовала инструкциям и отвечала в формате простого чат-бота. В метаданных указаны архитектура GPT2LMHeadModel, контекст до 2048 токенов и форматы PyTorch и Safetensors. Модель предназначена для генерации текста по инструкциям и простых диалогов на английском языке. Её фактические знания ненадёжны, а автор отдельно предостерегает от использования ответов для принятия медицинских или финансовых решений. В карточке указана лицензия CC-BY-NC-4.0, тогда как метаданные Hugging Face указывают Apache-2.0; перед использованием следует проверить, какие условия лицензии применимы к весам.

dadashzadeh/roberta-sentiment-persian — модель классификации текста на основе RoBERTa, дообученная автором репозитория на базе HooshvareLab/roberta-fa-zwnj-base. Она предназначена для анализа тональности персидских текстов. Модель содержит 145,5 млн параметров, имеет контекст длиной до 514 токенов и распространяется в формате safetensors. На указанном в карточке наборе оценки она показала accuracy 0,8298 и loss 0,4350. Карточка не раскрывает метки тональности, сведения о наборе данных и ограничения модели. Лицензия — Apache-2.0.

RP-SAINEMO — объединённая языковая модель для генерации текста и ролевых диалогов. Автор объединил IlyaGusev/saiga_nemo_12b и MarinaraSpaghetti/NemoMix-Unleashed-12B методом della_linear с помощью mergekit. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и предназначена для чата, ролевых сценариев и написания историй. Карточка рекомендует настройки генерации: temperature 1,2, Top-A 0,1, top-p 1 и DRY 0,8 / 1,75 / 2 / 0. В метаданных заявлен контекст до 1 024 000 токенов. Модель поддерживает русский и английский языки; файлы представлены в формате safetensors, хотя README также упоминает GGUF. Лицензия в предоставленных данных не указана.

SnakModel-7B-Instruct — датская языковая модель NLPnorth research unit при IT University of Copenhagen. Это плотная авторегрессионная модель-трансформер семейства Llama 2 с 6,6 млрд параметров и контекстом 4096 токенов. Её дообучили следовать инструкциям на 3,7 млн датских пар «инструкция — ответ» после непрерывного предобучения на датских текстовых корпусах. Модель принимает текст в шаблоне [INST] {инструкция} [/INST] и генерирует текст; предназначена для диалогового помощника на датском языке. Модель рассчитана прежде всего на датский язык, а использование на других языках выходит за рамки заявленного назначения. В README отмечено, что ответы могут содержать фактические ошибки и требуют проверки перед применением. Обучающие данные ограничены срезом до января 2024 года. Модель распространяется по исходной лицензии Llama 2.

SOVL-Mega-Mash-V2-L3-8B — объединённая языковая модель, созданная автором репозитория с помощью mergekit. В основе — Llama 3 с архитектурой LlamaForCausalLM; в слияние методом Model Stock вошли четыре модели, включая Neural-SOVLish-Devil-8B-L3, SOVLish-Maid-L3-8B и две версии Merge-Mayhem-L3-V2. Модель предназначена для генерации текста, в том числе диалогов и ролевых сценариев. Она содержит 7,5 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Карточка не уточняет поддерживаемые естественные языки и конкретные ограничения качества. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

TEST-Q2.5-AA — языковая модель, созданная объединением моделей allura-org/Teleut-7b и EVA-UNIT-01/EVA-Qwen2.5-7B-v0.1 методом passthrough с помощью mergekit. Она построена на архитектуре Qwen2 и предназначена для генерации текста в диалоговом формате, а также творческого письма и создания историй, унаследованных от базовых моделей. Модель содержит 8,2 млрд параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. Для работы применяются библиотека Transformers и обычный текстовый ввод с текстовым выводом. В карточке не приведены отдельные сведения о языках или специализированных областях применения. Условия лицензирования в доступных данных не указаны.

Iker/TowerInstruct-13B-v0.1-EN2ES — модель на архитектуре Llama, разработанная автором репозитория Iker путём дообучения Unbabel/TowerInstruct-13B-v0.1. Она предназначена для перевода инструкций и ответов с английского на испанский, включая примеры из наборов инструкций. Для дообучения использовано около 1 500 пар запросов и ответов из OpenHermes-2.5, переведённых с помощью GPT-4-0125-preview. Модель содержит 12,9 млрд параметров, работает через Transformers и имеет контекстное окно 8 096 токенов. Репозиторий содержит веса в формате safetensors. Заявление автора о качестве перевода на уровне GPT-4 не сопровождается описанием оценки. Модель может давать неудовлетворительные ответы на очень больших входах; в README также отмечен пример ответа на русском вместо испанского. Лицензия — Apache-2.0.

TowerInstruct-13B-v0.1-EN2ES-i1-GGUF — квантизированная версия модели TowerInstruct-13B-v0.1-EN2ES, разработанной Iker и подготовленной в формате GGUF пользователем mradermacher. Модель дообучена для инструкционного перевода с английского на испанский и связана с датасетом InstructTranslation-EN-ES. Модель содержит около 13 млрд параметров, поддерживает английский и испанский языки и предназначена прежде всего для задач машинного перевода и обработки инструкций в этой языковой паре. Доступно множество вариантов квантизации IQ и Q с размером файлов примерно от 3,0 до 10,8 ГБ. Более компактные варианты требуют меньше памяти, но могут заметно уступать по качеству; в README вариант Q4_K_M обозначен как быстрый и рекомендуемый, а Q4_K_S — как компромисс между размером, скоростью и качеством. Модель поставляется только в виде GGUF-квантов, поэтому для запуска требуется совместимое программное обеспечение. README не содержит сведений об архитектуре базовой модели, размере контекста, поддержке дополнительных модальностей или результатах оценки качества. Лицензия — Apache-2.0.

WindyTranslate/translate-ca-nl — модель машинного перевода, опубликованная Windstorm Labs. Она дообучена методом LoRA на параллельных данных и объединена с весами Helsinki-NLP/opus-mt-ca-nl; архитектура — MarianMT, размер — 36,4 млн параметров. Модель переводит текст с каталанского на нидерландский и рассчитана на эту языковую пару. Максимальная длина контекста — 512 токенов. Для проверки качества приведена оценка на 48 предложениях набора FLORES-200 dev: chrF++ 43,80 и BLEU 15,17. Это предварительная проверка, а не результат публикационного исследования; качество не гарантируется для других данных и не обязательно улучшается с масштабом модели или объёмом дообучения. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с английского на хауса. Это дообученная версия Helsinki-NLP/opus-mt-en-ha: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель построена на архитектуре Marian и содержит 54,9 млн параметров; она доступна в формате safetensors для Transformers и принимает текст, выдавая перевод. Максимальная длина контекста — 512 токенов. Модель предназначена для автоматического перевода фраз и документов с английского на хауса. В оценке на 48 предложениях FLORES-200 она набрала chrF++ 25,93 и BLEU 4,62; авторы относят результат к ограниченному диапазону и подчёркивают, что это предварительная проверка, а не опубликованное исследование. Поддерживается только направление en→ha. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с эстонского языка на французский. Это дообученная и объединённая с базовыми весами MarianMT-модель Helsinki-NLP/opus-mt-et-fr с 54,9 млн параметров; для запуска доступны веса в формате safetensors и библиотека Transformers. Контекст модели — до 512 токенов. Модель предназначена для перевода текстов с эстонского на французский. По проверке на 48 предложениях FLORES-200 dev она получила chrF++ 52,64 и BLEU 29,50; авторы обозначают результат как скрининговую оценку, а не публикационный результат. Поддерживается только это направление перевода. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-lv — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-fi-lv: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 55,6 млн параметров и принимает текст на финском языке, выдавая перевод на латышский. Для работы предназначен Transformers; в репозитории веса в формате safetensors, максимальная длина контекста — 512 токенов. Модель рассчитана на перевод в одном направлении — с финского на латышский. Качество перевода не проверено бенчмарками, поэтому его следует оценивать на целевых данных. Лицензия — Apache-2.0.

VeriUS LLM 8B v0.2 — авторегрессионная языковая модель с архитектурой Llama, дообученная VeriUS на базе unsloth/llama-3-8b-bnb-4bit. Модель содержит около 7,5 млрд параметров и рассчитана на генерацию текста и выполнение инструкций в диалоговом формате; для ускоренного инференса авторы использовали Unsloth. Дообучение выполнено методом QLoRA с ORPO на тщательно отобранном датасете общих инструкций на турецком языке. Модель ориентирована прежде всего на турецкий, но унаследовала языковые возможности базовой Llama 3. Контекстное окно — 8192 токена; репозиторий содержит веса safetensors. Модель подходит для турецких чат-ботов, черновиков текстов и ответов на инструкции. Авторы предупреждают, что модель не проходила широкого тестирования в реальных сценариях, может ошибаться и хуже работать с разговорным турецким, сленгом и другими языками. Лицензия — Llama 3; следует соблюдать её условия.

Zephyr-Summarizer-3B — модель для создания кратких абстрактивных пересказов документов, диалогов и расшифровок. В README приводятся результаты внутренних сравнительных тестов и рекомендуется температура генерации 0,6. Метаданные Hugging Face указывают архитектуру BERT с классом BertModel, библиотеку Transformers, формат PyTorch и лицензию Apache-2.0. Карточка заявляет применение для суммаризации, однако метаданные классифицируют модель как feature-extraction и не подтверждают генеративную архитектуру или работу с заданными языками и контекстом. Поэтому назначение из README следует считать заявленным, а заявленные преимущества бенчмарков — не подтверждёнными подробностями воспроизводимой методики.

Модель alexmt-gemma4-e4b-dpo-bwspbleu-lr5e7 разработана на базе Google Gemma 4 E4B Instruct и настроена для контекстного перевода между английским и разговорными диалектами арабского языка. Она дообучена методом DPO поверх alexmt-gemma4-e4b-sft на данных Alexandria. Запрос передаётся в виде JSON, включающего исходную реплику и, при наличии, контекст предыдущих ходов, область диалога, участников и направление рода говорящего и адресата; ответ имеет вид JSON с переводом. В публичном тесте Alexandria модель оценивалась на девяти разновидностях арабского языка и показала близкие к исходной SFT-модели результаты по spBLEU и chrF++. Проверка ограничена одним обучающим запуском и одним разбиением данных; авторы предупреждают, что сравнение вариантов DPO по тестовому набору не устанавливает надёжного преимущества, а соответствие диалекту отдельно не оценивалось. Модель принимает текст и выдаёт текст. Распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства, но некоммерческое.

Это дообученная модель генерации текста на основе fpadovani/arb-arab-100mb-ppt-Dp-100mb_seed455, разработанная fpadovani и обученная с использованием TRL. Она предназначена для продолжения текста и ответов на запросы в формате диалога; пример в карточке показывает ответ на открытый вопрос. Модель построена на архитектуре GPT-2 и сохранена в формате safetensors. Контекст составляет 512 токенов. Лицензия в предоставленных данных не указана.

augment-sentiment-finnlp-th — модель классификации тайского текста, созданная дообучением airesearch/wangchanberta-base-att-spm-uncased. Она предназначена для анализа тональности и других задач классификации текста. Модель построена на архитектуре CamemBERT и содержит 132,5 млн параметров; максимальная длина контекста — 512 токенов. На оценочном наборе указаны точность 0,7415 и функция потерь 0,8684. В карточке не описаны состав и метки обучающего набора, поэтому область применения этих показателей и качество для отдельных сценариев оценить нельзя. Условия лицензии в предоставленных данных не указаны.

Bielik-11B-v2.2-Instruct-MLX-8bit — польская языковая модель SpeakLeash и ACK Cyfronet AGH, представленная в формате MLX с 8-битной квантизацией. Это плотная авторегрессионная модель с архитектурой Mistral и 11 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Контекстное окно составляет 32 768 токенов; основной язык модели — польский. Модель подходит для ответов на вопросы, ведения диалога и генерации текста на польском языке. README предупреждает, что квантизация может снизить качество ответов и увеличить вероятность галлюцинаций. Указана лицензия Apache 2.0 с дополнительными условиями использования.

Raven-Pro/blendy001 — объединённая текстовая модель, созданная с помощью mergekit на основе TheDrummer/Theia-21B-v1 и моделей athirdpath/model034, athirdpath/modeldpo_008 и athirdpath/model028. Для слияния использован метод della; базовая архитектура — плотная Mistral с причинной языковой моделью MistralForCausalLM. Модель содержит 20,7 млрд параметров, работает с текстом и предназначена для генерации текста и диалогов. Модель можно использовать для ролевых диалогов, повествования и генерации прозы — такие сценарии указаны для базовой Theia-21B-v1. Контекстное окно составляет 1 024 000 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Сведения о лицензии и ограничениях качества в доступных данных отсутствуют.

cdso13 — текстовая генеративная модель на архитектуре GPT-2, доступная в формате safetensors и предназначенная для продолжения текста. В карточке указано, что модель дообучена на неизвестной базовой модели и неизвестном наборе данных; в описании приведено значение loss 2,7812 на наборе оценки. Модель можно использовать для генерации и продолжения текста. Доступные сведения не описывают целевой язык, предметную область, ограничения или условия лицензии; контекст составляет 1024 токена.

Circuitry_24B_V.3 — слитая модель на архитектуре Mistral, опубликованная OddTheGreat. Она предназначена для ролевых диалогов, творческого письма, ERP и работы в роли ассистента. Модель лучше предыдущей версии Circuitry справляется с диалогами, склонна отвечать длиннее и добавлять повествовательные описания; следует инструкциям и сохраняет стиль разметки Markdown. В метаданных указаны 23,4 млрд параметров и контекст до 131 072 токенов. Автор отмечает, что модель может учитывать сведения из начала контекста длиной около 12 тысяч токенов; русский язык проверялся в режиме ассистента, русский ролевой режим не тестировался. Модель сохраняет характерные клише и может заметно увеличивать длину ответов в сценах с несколькими персонажами. Условия лицензии в доступных данных не приведены.

Custom-KoLLM-13B-v3 — авторегрессионная языковая модель, разработанная Кюджин Ханом (kyujinpy) на основе архитектуры трансформера LLaMA 2. Модель содержит 12,9 млрд параметров и предназначена для генерации текста, прежде всего на корейском языке. В карточке указано дообучение базовой модели beomi/llama-2-koen-13b на наборе kyujinpy/Ko-various-dataset. Модель работает с текстом и поддерживает контекст длиной до 2048 токенов. В README приведены результаты сравнений на корейских бенчмарках Ko-ARC, Ko-HellaSwag, Ko-MMLU, Ko-TruthfulQA и Ko-CommonGen V2. Весы опубликованы в форматах PyTorch и Safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства и ограничивает коммерческое использование.

Custom-KoLLM-13B-v7 — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Kyujin Han. Это плотная модель с 12,9 млрд параметров, предназначенная для генерации текста и диалоговых сценариев на корейском языке. Она обучена на наборе KOR-OpenOrca-Platypus-v3; в README приведены результаты сравнительных оценок на корейских бенчмарках. Модель рассчитана на контекст до 2048 токенов. Модель доступна в форматах PyTorch и Safetensors и использует лицензию CC BY-NC-SA 4.0, которая ограничивает коммерческое использование. Её контекстное окно относительно короткое, поэтому она хуже подходит для обработки длинных документов.

EuroBERT-SentimentAnalysis-French — модель классификации тональности французских текстовых отзывов о категории «оснащение» в опросе об удовлетворённости ИТ. Она разработана на основе EuroBERT-210m и дообучена для отнесения текста к одному из трёх классов: NEGATIF, NEUTRE или POSITIF. Модель содержит 211,7 млн параметров, построена на архитектуре EuroBERT для классификации последовательностей и поддерживает контекст до 8192 токенов. Модель обучена на примерно 50 тысячах ответов из опроса; метки для обучающих данных были созданы с помощью Mistral Small 24B. Качество сравнивали с ручной разметкой 500 ответов. Возможны ошибки на субъективных или смешанных высказываниях: например, модель может переоценить локальные негативные замечания в целом положительном отзыве. Данные обучения несбалансированы по классам, а повторяющиеся ответы сохранены. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

ThijsL202/Eva-Qwentile2.5-32B — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом TIES на основе maldv/Qwentile2.5-32B-Instruct с включением EVA-UNIT-01/EVA-Qwen2.5-32B-v0.2. Модель рассчитана на генерацию текста и диалоговые сценарии с уклоном в ролевые игры; метаданные также отмечают интерфейс для вызова инструментов. Модель содержит 32 млрд параметров, использует формат safetensors и поддерживает контекст длиной до 32 768 токенов. Карточка не уточняет языки и условия лицензии, поэтому их нельзя надёжно определить по доступным сведениям.

Goetia 26B A4B v1.4 — мультимодальная диалоговая модель, созданная автором репозитория слиянием нескольких моделей Gemma 4 методом MoE DELLA с помощью mergekit. В основу слияния положена google/gemma-4-26B-A4B; среди включённых моделей также указаны Orion, Animus, StyleTune, Pantheon Reasoning, Serenity и MeroMero. Модель использует архитектуру Gemma4ForConditionalGeneration, распространяется в формате safetensors и поддерживает работу с текстом и изображениями. Модель предназначена для диалогов, ролевых сценариев и творческого письма. Базовая модель также рассчитана на рассуждения и анализ изображений, однако README описывает прежде всего слияние и не приводит отдельной оценки этих возможностей для Goetia. В карточке указаны английский язык и лицензия Apache 2.0. Автор отмечает, что в версии 1.4 сохраняются отказы и стандартная устойчивость к обходу ограничений; полноразмерность итоговых весов в README ещё обсуждается.

IceMochaccinoRP-7b — диалоговая текстовая модель, созданная автором репозитория слиянием SLERP через mergekit предварительно обученных моделей IceCappuccinoRP-multi_verse_model и IceCappuccinoRP-IceCoffeeRP-7b. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации продолжений и диалоговых ответов, в том числе в сценариях ролевого общения. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое; перед применением следует учитывать её условия. В тегах модели указано ограничение аудитории и NSFW-категория. README приводит результаты нескольких бенчмарков, но они не гарантируют качество в конкретных сценариях.