III.4Клиентская поддержка и customer success

DavidAU выпустил инструкционную донастройку плотной мультимодальной модели Qwen3.5-9B, обученную с помощью Unsloth на четырёх наборах данных Claude-4.6-OS и изменённую для снижения числа отказов. Модель принимает текст и изображения и генерирует текст; автор сообщает, что проверил работу с изображениями. Видеовозможности не тестировались. Модель предназначена для диалогов и творческого письма: генерации историй, продолжения сцен и ролевого общения. По README, шаблон запроса настраивает её на режим instruct. Архитектура — Qwen3.5 с 9 млрд параметров; заявленный контекст составляет 262 144 токена, с расширением до 1 010 000. README приводит результаты нескольких бенчмарков и тест снижения отказов, но они не гарантируют качество на конкретных задачах. Автор позиционирует модель как uncensored и сообщает о снижении частоты отказов; это означает, что модель может отвечать на запросы, от которых исходная версия чаще отказывается. Поддержка английского и китайского указана в карточке. Лицензия — Apache-2.0.

Scarlett — диалоговая языковая модель, созданная ajibawa-2023 на базе Llama-1 от Meta. Она обучена на более чем 10 000 наборов диалогов по темам философии, советов и юмора и предназначена для ответов на вопросы, рекомендаций, обсуждения личных отношений и помощи в принятии решений. Автор указывает, что модель не предназначена для ролевых игр. Модель использует плотную архитектуру LlamaForCausalLM, содержит 32,3 млрд параметров и принимает текст, генерируя текст. Родной контекст составляет 2048 токенов; в метаданных указан английский язык. Для обучения использовались четыре ускорителя A100 80 ГБ и DeepSpeed. Указана лицензия CC BY-NC-ND 4.0, ограничивающая распространение производных версий и коммерческое использование.

Это набор GGUF-квантизаций модели sh2orc/Llama-3.1-Korean-8B-Instruct. Базовая модель разработана sh2orc, а квантизации подготовлены командой featherless-ai-quants для запуска в формате GGUF. Модель предназначена для генерации текста и выполнения инструкций, прежде всего в сценариях, связанных с корейским языком. Доступны варианты квантизации IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0; размер файлов составляет примерно от 3 до 8 ГБ. Указано, что это 8-миллиардная модель семейства Llama 3.1, однако архитектура в README не раскрыта подробнее. Квантизация уменьшает требования к дисковому пространству и памяти по сравнению с полноразмерными весами, позволяя выбирать компромисс между размером и сохранением качества. Более низкие варианты обычно удобнее для ограниченных ресурсов, но могут сильнее снижать качество генерации. README не содержит сведений о точном контекстном окне, поддерживаемых языках помимо ориентации на корейский, мультимодальности, результатах оценки, рекомендуемых средствах запуска или лицензии.

Suchinthana/Sinhala-Translate-and-Dolly-Llama-7b — дообученная автором модель семейства Llama для генерации текста, перевода между сингальским и английским языками и ответов в формате инструкций. В карточке указано обучение на Dolly 3k в течение одной эпохи, затем на 20 тысячах примеров перевода с сингальского на английский и повторно на том же наборе для перевода с английского на сингальский. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 6,6 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 2048 токенов. Репозиторий использует форматы PyTorch и Safetensors, лицензия — Llama 2. Карточка не приводит оценок качества перевода, поэтому результаты для конкретных текстов могут требовать проверки.

SKY-Ko-Solar-10.7B-lora — языковая модель семейства Llama, созданная на основе Solar-10.7B и дообученная с помощью LoRA. Разработчик — SkyOrbis. Модель содержит 10,6 млрд параметров и принимает текст, генерируя текст; её контекст составляет 4096 токенов. Модель предназначена для генерации текста на корейском языке. В карточке указано применение LoRA, но конкретные целевые сценарии или специализированная область дообучения не описаны. Для использования опубликованы веса в формате safetensors. Лицензия в предоставленных данных не указана.

Sororicide-12B-Farer-Mell-Unslop — слитая диалоговая языковая модель, созданная автором redrix методом NuSLERP с помощью mergekit. В качестве основы использована TheDrummer/UnslopNemo-12B-v4; в слияние также вошли LatitudeGames/Wayfarer-12B и inflatebot/MN-12B-Mag-Mell-R1. Модель построена на плотной архитектуре MistralForCausalLM и содержит 12,1 млрд параметров. Она предназначена для генерации текста в диалогах, ролевых сценариях и художественном письме. Заявленная длина контекста — 1 024 000 токенов. Модель распространяется в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели hwkwon/S-SOLAR-10.7B-v1.1 на Hugging Face совпадает с карточкой hwkwon/S-SOLAR-10.7B-v1.2, поэтому описание составлено по ней. S-SOLAR-10.7B-v1.2 — разговорная языковая модель семейства Llama, дообученная разработчиком hwkwon на базе yanolja/EEVE-Korean-10.8B-v1.0. Она предназначена для генерации текста и диалоговых сценариев на корейском языке. Модель содержит 10,6 млрд параметров, использует плотную архитектуру Llama и рассчитана на контекст до 4096 токенов. Для общения используется шаблон с секциями пользователя и ассистента. Данные обучения в карточке не описаны, поэтому специализированные области применения и качество на конкретных задачах оценить нельзя. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

SthenoMix3.3 — объединённая языковая модель на архитектуре Llama, созданная сообществом mergekit-community методом TIES из nothingiisreal/L3-8B-Stheno-Horny-v3.3-32K и Sao10K/L3-8B-Stheno-v3.2 на базе Undi95/Meta-Llama-3-8B-hf. Модель содержит 7,5 млрд параметров, рассчитана на генерацию текста и разговорные сценарии; доступна в формате safetensors для Transformers с контекстом до 8192 токенов. Модель подходит для ролевых диалогов, написания историй и ответов в чате. Базовые модели ориентированы на английский язык, однако README не описывает отдельную языковую поддержку SthenoMix3.3. Объединение сочетает варианты Stheno, включая модель с названием Horny; подробные результаты оценки качества в карточке не приведены. Лицензия в предоставленных данных не указана.

SyntheticMoist-11B-v2 — объединённая текстовая модель, собранная автором репозитория методом DARE TIES с помощью mergekit. В основе объединения Sao10K/Fimbulvetr-11B-v2; также использованы Moistral-11B-v3, MedMitsu-Instruct-11B, Kaiju-11B, Synthia-v3.0-11B и Re-Host_Limarp_Mistral. Модель относится к плотной архитектуре LlamaForCausalLM, содержит 10,6 млрд параметров и имеет контекст до 4096 токенов. Модель предназначена для генерации текста и диалогов, включая RP-сценарии; в README рекомендованы форматы Alpaca и Vicuna. Автор отмечает, что варианты с повышенной плотностью и LimaRP показали лучшие результаты, но количественные оценки не приведены. Для репозитория указана лицензия не была в предоставленных данных. README упоминает доступные квантизованные варианты GGUF Q2–Q8 и imatrix, а в метаданных основная модель представлена в safetensors. Тег not-for-all-audiences указывает на взрослую или потенциально откровенную направленность.

T3Q-LLM-MG-v1.0 — разговорная языковая модель на базе архитектуры Llama, размещённая пользователем chihoonlee10. Это плотная модель примерно на 10,6 млрд параметров для генерации текста и диалогов; в метаданных указаны библиотека Transformers и контекст длиной 4096 токенов. Карточка содержит результаты оценки на корейских задачах KoBEST, включая BoolQ и COPA, а также ссылку на датасет maywell/ko_Ultrafeedback_binarized. Модель подходит для ведения диалогов и ответов на вопросы на корейском языке. В README приведены метрики бенчмарков, но не описаны процедура обучения, целевая аудитория и сравнительные выводы о качестве. Модель распространяется по лицензии Apache-2.0.

WindyTranslate/translate-es-he — модель машинного перевода от Windstorm Labs, дообученная на базе Helsinki-NLP/opus-mt-es-he. Она использует архитектуру MarianMT и содержит 57,5 млн параметров; принимает испанский текст и генерирует перевод на иврит. Контекст модели — до 512 токенов. LoRA-дообучение на параллельном корпусе объединено с базовыми весами; модель распространяется в формате safetensors и загружается через Transformers. Модель предназначена для перевода с испанского на иврит. В карточке приведена проверочная оценка на 48 предложениях FLORES-200 dev: chrF++ 41,33 и BLEU 16,92; это небольшой скрининговый набор, а не публикационная оценка. Поддерживается только одно направление перевода. Лицензия — Apache-2.0.

daveni/twitter-xlm-roberta-emotion-es — модель XLM-RoBERTa-base, разработанная авторами карточки и дообученная для распознавания эмоций в испаноязычных сообщениях Twitter. Она относит текст к одному из семи классов: гнев, отвращение, страх, радость, печаль, удивление или «другое». Модель содержит около 305,2 млн параметров, принимает последовательности длиной до 514 токенов и распространяется в формате PyTorch. Модель создавалась для участия в соревновании EmoEvalEs на конференции IberLEF 2021 и показала там macro-F1 71,70%. Её можно применять для анализа тональности и эмоциональных реакций в испаноязычных твитах и коротких сообщениях. Базовые веса XLM-RoBERTa предварительно обучены на корпусе примерно из 198 млн твитов; для дообучения использован датасет EmoEvalEs. Лицензия в предоставленных данных не указана.

Vakgyata Base — модель OneCxi для определения языка по речевому аудио. Она основана на предварительно обученной Harveenchadha/wav2vec2-pretrained-clsril-23-10k и дополнена Layer Normalization для повышения стабильности классификации. Модель использует архитектуру Wav2Vec2ForSequenceClassification; в метаданных указано 113,3 млн параметров. Модель принимает аудио с частотой дискретизации 16 кГц, для которого рекомендуется монофонический PCM с разрядностью 16 бит, и классифицирует речь на индийских языках. В README приведены примеры поддерживаемых языков: английский (Индия), хинди и одия; метаданные также перечисляют бенгальский, тамильский, телугу, каннада, малаялам, маратхи, гуджарати, пенджаби и ассамский. Модель подходит для определения языка в речевых записях и предварительной маршрутизации аудио в системах распознавания речи и аналитики звонков. Заявленная в README точность базовой версии составляет 95,88%, но описание методики и условий оценки не приведено. Модель распространяется по лицензии Apache-2.0; для использования нужны совместимые аудиоданные и библиотека Transformers.

weak-KoRAE-13b — корейская разговорная языковая модель, разработанная Cartinoe5930 как дообученная версия beomi/llama-2-koen-13b. Модель основана на Llama 2 с расширенным корейским словарём и содержит 12,9 млрд параметров; для генерации использует архитектуру LlamaForCausalLM. Контекст составляет 2048 токенов. Модель предназначена для генерации текста и диалогов на корейском языке. Её дообучили на отфильтрованном наборе корейских инструкций и диалоговых данных, собранном из нескольких открытых датасетов; при обучении применялись LoRA и Flash-Attention 2. Для использования доступна лицензия CC BY-NC-SA 4.0, которая ограничивает коммерческое применение.

Модель tiantiaf/whisper-large-v3-msp-podcast-emotion — модель классификации эмоций в речи, разработанная на основе Whisper large-v3 и описанная в рамках бенчмарка Vox-Profile. Она дообучена на данных MSP-Podcast; система использует аудио без транскрипта и предназначена для распознавания девяти категорий: гнев, презрение, отвращение, страх, радость, нейтральное состояние, грусть, удивление и другие эмоции. Модель подходит для анализа эмоциональной окраски подкастов и другого онлайн-аудиоконтента. В README отмечено, что предсказания могут зависеть от содержания речи, поэтому результаты следует трактовать с учётом этого фактора. Репозиторий распространяется по лицензии OpenRAIL.

Asinello-Minerva-3B-v0.1 — дообученная Ettore Di Giacinto модель семейства Mistral, созданная на пользовательском наборе данных Asinello на основе Minerva. Она предназначена для генерации текста и диалогового общения на итальянском языке. Модель содержит 2,8 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 16 384 токенов. Модель распространяется в формате Safetensors и доступна по лицензии Apache 2.0. Карточка не приводит результатов оценки качества или подробностей о составе обучающего набора, поэтому её сильные стороны и ограничения в конкретных сценариях не подтверждены.

AsphyXIA baarat-hindi-instruct-0.1 — дообученная на основе Meta Llama 2 7B языковая модель с архитектурой LlamaForCausalLM, предназначенная для генерации текста. В карточке указано, что модель дообучена от baarat-hindi-instruct с использованием Unsloth и TRL; метаданные связывают её с meta-llama/Llama-2-7b-hf. Модель содержит 6,7 млрд параметров и поддерживает контекст до 4096 токенов. Модель предназначена для генерации ответов и выполнения инструкций на хинди. В метаданных указан английский язык, а название и базовая модель baarat-hindi-instruct указывают на ориентацию на хинди; точные языковые возможности карточка не описывает. Формат весов — safetensors. Лицензия — Apache-2.0.

Beetle-FineWeb3-24B/beetle-monolingual-fineweb3-ita — автор и лицензия модели в доступных материалах не указаны. Это модель генерации текста на базе библиотеки Transformers с архитектурным тегом pico_decoder, ориентированная на италоязычные сценарии; название также указывает на обучение или дообучение на данных FineWeb3. Модель предназначена для продолжения и генерации текста на итальянском языке.

COKAL-DPO-13b-v2 — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Сыню Ли (DopeorNope) в рамках исследовательского консорциума Media Group Saramin and Forest и Markr. Модель содержит около 12,9 млрд параметров и принимает и генерирует текст; максимальная длина контекста — 2048 токенов. Модель предназначена для генерации текста и диалоговых сценариев на корейском языке. Она прошла supervised fine-tuning на наборе Orca_Near_Dedup-v2, а затем была дообучена методом DPO на парных предпочтениях из DPO-Ko-Dataset. Датасеты обозначены как частные. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства и ограничивает коммерческое использование.

bhadresh-savani/electra-base-emotion — модель классификации текста на основе ELECTRA, предназначенная для определения эмоций в сообщениях. Она обучалась для работы с эмоциональными высказываниями в Twitter; карточка приводит набор данных Twitter-Sentiment-Analysis и результат оценки на тесте с точностью 91,95% и F1 91,90%. Модель содержит 20,4 млн параметров, принимает текст длиной до 512 токенов и выдаёт метку класса эмоции. Модель подходит для анализа эмоциональной окраски коротких сообщений и изучения реакций аудитории в социальных сетях. Доступны веса в форматах PyTorch, TensorFlow и Flax. Лицензия Apache-2.0 разрешает использование и распространение с соблюдением её условий. Результаты оценки относятся к указанным данным и не гарантируют аналогичное качество на других жанрах, языках или распределениях текста.

Карточка модели Aardiiiiy/EmoSense-ID-Indonesian-Emotion-Classifier на Hugging Face совпадает с карточкой nahiar/emotion-analysis, поэтому описание составлено по ней. EmoSense-ID — модель классификации эмоций в текстах на индонезийском языке, разработанная на основе NusaBERT-base. Архитектура — BERT для классификации последовательностей; модель содержит 137,8 млн параметров, принимает текст длиной до 512 токенов и выдаёт категории эмоций по модели Плутчика: ожидание, гнев, отвращение, страх, радость, печаль, удивление и доверие. Модель обучена на индонезийских твитах и предназначена для анализа эмоциональных реакций в социальных сетях. При обучении применялся подбор гиперпараметров с Optuna. Доступна по лицензии MIT. Классификация может быть смещена из-за особенностей обучающих данных; результаты следует интерпретировать с учётом этого ограничения.

SeyedAli/English-to-Persian-Translation-mT5-V1 — модель машинного перевода на базе mT5, предназначенная для перевода текста с английского на персидский (фарси). Она использует архитектуру MT5ForConditionalGeneration и содержит 157,4 млн параметров. Для запуска нужны входные английские фразы или тексты; модель генерирует персидский перевод. В карточке приведены примеры переводов, качество которых выглядит неровным и местами непоследовательным, поэтому результат может требовать проверки и редактирования. Модель распространяется по лицензии MIT.

gemma-3-1b-pt-icelandic-experiment6 — дообученная модель генерации текста на базе google/gemma-3-1b-pt, созданная автором репозитория с использованием TRL. Она рассчитана на текстовые запросы и диалоговый сценарий: может продолжать беседу и формировать ответы. Модель содержит 1 млрд параметров, использует плотную архитектуру Gemma 3 и поддерживает контекст до 32 768 токенов. В названии указана связь с исландским языком и экспериментальный характер версии, однако карточка не описывает конкретные обучающие данные, степень поддержки исландского или сравнительные результаты. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

Helide Alpha R5 — экспериментальная плотная языковая модель семейства Llama с 7,5 млрд параметров, созданная автором inflatebot с помощью слияния моделей через mergekit. В основе лежит NousResearch/Meta-Llama-3-8B; в слиянии также участвуют Sao10K/L3-8B-Stheno-v3.2 и Fizzarolli/L3-8b-Rosier-v1. Модель распространяется в формате Safetensors и рассчитана на генерацию текста с контекстом до 8192 токенов. Автор стремился улучшить способность Stheno развивать сюжет и сделать ответы менее неловкими при обсуждении нишевых тем. В README проект назван экспериментальным, а автор рекомендует умерить ожидания: это его первый проект с LLM. Лицензия в предоставленных данных не указана.

Mungert/Hunyuan-MT-Chimera-7B-GGUF — GGUF-версия модели Hunyuan-MT-Chimera-7B, разработанной Tencent. Это ансамблевая модель для машинного перевода: она анализирует несколько вариантов перевода исходного текста и формирует единый, уточнённый результат. Модель предназначена для сценариев, где важны качество и согласованность перевода между языками. Модель относится к семейству Hunyuan с размером 7B параметров и распространяется в формате GGUF, подготовленном с использованием llama.cpp. Она поддерживает взаимный перевод между 33 языками, включая пять этнических языков Китая. Для работы Chimera требуется передавать исходный фрагмент и несколько готовых переводов на целевой язык; сама модель объединяет их в итоговый вариант без дополнительных пояснений. Размер контекста и точная архитектура в предоставленных данных не указаны. К сильным сторонам относятся ансамблевый подход, ориентация на повышение качества перевода и заявленные высокие результаты семейства Hunyuan-MT, включая первое место в 30 из 31 языковой категории WMT25, где модель участвовала. GGUF упрощает локальный запуск через совместимые инструменты, однако конкретные требования к памяти, доступные уровни квантования и сравнительные характеристики именно этой сборки не указаны. Лицензия в README не указана.

Keiana-L3-Test5.4-8B-10 — диалоговая текстовая модель семейства Llama, созданная Kaoeiri слиянием нескольких моделей методом model_stock с помощью LazyMergekit. В состав слияния вошли Kaoeiri/Keiana-L3-Test4.7-8B-3, Kaoeiri/Experimenting-Test4.5-8B-2 и cgato/L3-TheSpice-8b-v0.8.3; в метаданных также указана Kaoeiri/Keiana-L3-Test5.2-8B-8 как базовая модель. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и ролевых сценариев, в том числе с описанием персонажей и сцен. Автор сообщает, что модель тестировалась, но иногда даёт неверные фактические ответы. Репозиторий содержит веса в формате Safetensors; лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий на условиях лицензии.

NVIDIA Kimi-K2.6 DFlash — вспомогательная модель DFlash для ускорения генерации токенов базовой модели Moonshot AI Kimi-K2.6 с помощью спекулятивного декодирования. Это плотная модель класса DFlashDraftModel на архитектурной основе Qwen3; в метаданных указано 4,2 млрд параметров. Она предназначена для разработчиков чат-ботов, агентных систем, RAG-приложений и других сценариев генерации, где важно снизить задержку вывода. Контекст составляет 262 144 токена. README описывает текст, изображения и видео как входные данные, а текст — как выход; режим работы с изображениями и видео зависит от базовой модели и serving-конфигурации. Модель обучена NVIDIA Model Optimizer на синтетических данных, созданных с использованием Kimi-K2.6, и предназначена для использования вместе с базовой моделью в режиме DFlash speculative decoding. В README указана интеграция с vLLM и TensorRT-LLM, а также оптимизация для систем NVIDIA GPU, включая Blackwell. Заявлена пригодность для коммерческого и некоммерческого применения; использование регулируется лицензией NVIDIA Open Model License, описанной как модифицированная MIT-лицензия. Указанный в README размер базовой Kimi-K2.6 отличается от размера этой DFlash-модели в метаданных.

KoRAE-13b-DPO — корейская разговорная языковая модель, разработанная Cartinoe5930 на основе beomi/llama-2-koen-13b. Это плотная модель семейства Llama с 12,9 млрд параметров, дообученная методом DPO на отфильтрованных корейских инструкционных данных; при обучении использовались LoRA и Flash-Attention 2. Модель предназначена для диалогов и генерации ответов на инструкции на корейском языке, включая вопросы и задания общего характера. Контекст модели составляет 2048 токенов. В карточке приведены результаты на корейском наборе тестов Open Ko-LLM Leaderboard, где средний балл KoRAE-13b-DPO составил 48,71. Авторы отмечают пользу DPO и фильтрации данных, а также ограничения, связанные с качеством базовой корейской модели и объёмом обучающих данных. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства, запрещает коммерческое использование и распространяет те же условия на производные работы.

mssma/ko-solar-10.7b-v0.1b — плотная авторегрессионная языковая модель семейства Llama с 10,7 млрд параметров, предназначенная для генерации текста. Карточка показывает загрузку через Transformers и использование AutoModelForCausalLM; модель принимает текст и генерирует текст. Модель ориентирована на корейский язык, что отражено в языковом теге ko. Контекстное окно составляет 4096 токенов. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. README не приводит оценок качества, конкретных сценариев или сравнения с другими моделями.

KoSOLAR-Platypus-10.7B — языковая модель для генерации текста, разработанная Kyujin Han (kyujinpy). Это плотная авторегрессионная модель семейства Llama с 10,6 млрд параметров и контекстом до 4096 токенов, основанная на yanolja/KoSOLAR-10.7B-v0.2. Модель дообучена с помощью LoRA с квантизацией на наборе KOR-OpenOrca-Platypus-v3. Модель предназначена для генерации ответов и диалогового текста на корейском языке. В README приведены инструкции по загрузке через Transformers, но численные результаты собственной оценки модели не заполнены. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространяет производные работы на тех же условиях и запрещает коммерческое использование.