III.4Клиентская поддержка и customer success

Карточка модели hwkwon/S-SOLAR-10.7B-v1.3 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.

WindyTranslate/translate-en-run — модель машинного перевода от Windstorm Labs, созданная на основе Helsinki-NLP/opus-mt-en-run. Разработчики объединили LoRA-дообучение на параллельных текстах с исходными весами модели. Это MarianMT-модель объёмом 56,6 млн параметров, доступная в формате safetensors для Transformers; контекст — до 512 токенов. Модель предназначена для перевода с английского на кирунди (run). В проверке на 48 предложениях из FLORES-200 получила chrF++ 33,29 и BLEU 8,58; авторы относят этот результат к уровню «пригодно к использованию» и отмечают, что это предварительная проверка, а не результат публикационного исследования. Лицензия — Apache-2.0.

WindyTranslate/translate-es-is — модель машинного перевода от Windstorm Labs, созданная на основе Helsinki-NLP/opus-mt-es-is. Она дообучена методом LoRA на параллельном корпусе, а адаптер объединён с базовыми весами. Модель на архитектуре MarianMT содержит 56,1 млн параметров, принимает испанский текст и переводит его на исландский; нативный контекст — 512 токенов. Доступна в формате safetensors для Transformers. Модель предназначена для перевода текстов с испанского на исландский. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 36,17 и BLEU 9,50; авторы относят результат к уровню Usable и отмечают, что это предварительная оценка, а не результат публикационного исследования. Лицензия — Apache-2.0.

WindyTranslate/translate-es-tw — модель машинного перевода, опубликованная Windstorm Labs и дообученная на параллельных данных для перевода с испанского на язык твӣ (Twi). Это дообучение Helsinki-NLP/opus-mt-es-tw: LoRA-адаптер объединён с базовыми весами, изменены 36 из 254 тензоров. Модель MarianMT с 55,9 млн параметров принимает текст и выдаёт перевод; длина контекста составляет 512 токенов. Модель предназначена для перевода испаноязычных фраз и текстов на твӣ. В скрининговой оценке FLORES-200 на 48 предложениях она получила chrF++ 30,89 и BLEU 7,04; эта небольшая выборка не является полноценным исследовательским результатом или гарантией качества на других текстах. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

WindyTranslate/translate-et-de — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с эстонского на немецкий. Это дообученная версия Helsinki-NLP/opus-mt-et-de: LoRA-дообучение на параллельном корпусе было объединено с базовыми весами. Модель имеет архитектуру MarianMT, около 54,9 млн параметров и работает с текстом; репозиторий содержит веса safetensors для Transformers. Модель подходит для перевода отдельных фраз и текстов с эстонского на немецкий. В карточке приведён скрининговый результат на 48 предложениях FLORES-200 dev: chrF++ 50,68 и BLEU 24,17; это не результат публикационного исследования. Поддерживается только направление et→de, поэтому качество для других языковых пар не заявлено. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-ro — модель машинного перевода, опубликованная Windstorm Labs и дообученная на параллельных данных для перевода с финского на румынский. Она основана на Helsinki-NLP/opus-mt-fi-ro: LoRA-дообучение объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 55,4 млн параметров и принимает текст; для работы доступны веса в формате safetensors и библиотека Transformers. Контекст модели — до 512 токенов. Модель предназначена для перевода текстов с финского на румынский. В карточке приведена скрининговая оценка на 48 предложениях FLORES-200 dev: chrF++ 46,34 и BLEU 21,08. Оценка ограничена малой выборкой и не является результатом публикационного исследования. Модель поддерживает только одно направление перевода. Лицензия — Apache-2.0.

bartowski/xLAM-7b-r-GGUF — это набор GGUF-квантизаций модели xLAM-7b-r, разработанной Salesforce и опубликованной для локального запуска через llama.cpp. Модель предназначена прежде всего для function calling, tool use и создания LLM-агентов, то есть для интерпретации запросов и формирования вызовов внешних инструментов. Указан английский язык; модель обучалась на датасете Salesforce/xlam-function-calling-60k. Это текстовая генеративная модель на архитектуре Mistral с размером около 7 млрд параметров, представленная в вариантах от F16 до низкобитных Q2 и IQ2-квантизаций. Доступны файлы различного размера — примерно от 2,5 до 14,5 ГБ, включая варианты, оптимизированные для CPU и ARM. В README не указаны размер контекстного окна и поддержка мультимодальности. Модель не поддерживает системный промпт и ожидает формат запроса <s> [INST] {prompt} [/INST]. Сильная сторона модели — специализация на вызове функций и использовании инструментов, а широкий выбор квантизаций позволяет подбирать баланс между качеством и требованиями к памяти. Ограничения включают заявленную языковую поддержку только английского, отсутствие системного промпта и снижение качества у самых компактных вариантов. Лицензия — CC BY-NC-4.0, то есть использование ограничено некоммерческими условиями; для доступа к репозиторию требуется принять соответствующую лицензию.

Yi-Ko-6B-Instruct-v1.1 — корейская инструкция-ориентированная языковая модель, разработанная wkshin89 на основе beomi/Yi-Ko-6B. Это плотная авторегрессионная модель архитектуры Llama с 5,9 млрд параметров и контекстом до 2048 токенов. Она дообучена на корейских наборах инструкций, включая KOR-OpenOrca-Platypus-v3, KoAlpaca-v1.1a и ko_wikidata_QA, а также данных AIHub. Модель предназначена для генерации текста и ответов на инструкции в формате диалога «User» и «Assistant», прежде всего на корейском языке. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. Контекст ограничен 2048 токенами; качество и фактическая точность ответов зависят от запроса и обучающих данных.

Ahma-3B-Instruct — финноязычная чат-модель, разработанная Finnish-NLP. Это версия Ahma-3B, настроенная следовать инструкциям на финском языке. В основе лежит плотный декодерный трансформер на архитектуре Llama v1, предварительно обученный с нуля на финских текстах; модель содержит около 3,4 млрд параметров по метаданным и использует контекст до 2048 токенов. Модель предназначена для диалогов с ассистентом и генерации ответов на инструкции на финском языке. Для её применения следует использовать формат запросов, применявшийся при дообучении. Модель не обучалась на коде и не рассчитана на многоязычную генерацию. Обучающие данные собраны из интернет-источников и могут приводить к предвзятым ответам. Лицензия — Apache-2.0.

alexmt-qwen3-0.6b-dpo-bwchrf-lr2e6 — компактная модель на архитектуре Qwen3, разработанная для контекстного перевода между английским и девятью разновидностями диалектного арабского языка. Модель дообучена методом DPO на базе alexmt-qwen3-0.6b-sft; она содержит около 508 млн параметров, поддерживает контекст до 40 960 токенов и предназначена для диалоговых реплик с учётом до трёх предыдущих ходов, тематики, участников и направления пола говорящего и адресата. Модель обучена на Alexandria и выдаёт перевод в JSON-поле translation. В тестировании на открытой тестовой части Alexandria она показала chrF++ 27,17 для перевода с английского на диалекты и 46,47 для перевода с диалектов на английский; это результаты одного seed и одного разбиения данных, причём скорость настройки DPO сравнивалась на тестовой выборке. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Hosstia публикует MLX-версию модели Yandex AliceAI-T5-35B-A0.6B для Apple Silicon. Это модель перевода на архитектуре T5 с кодировщиком и декодировщиком и смесью экспертов: всего 35 млрд параметров, из которых активно 0,6 млрд на токен. Репозиторий содержит квантизованные веса в формате safetensors и реализацию для запуска через MLX на GPU Metal; заявленный основной сценарий — перевод с китайского на русский. В комплекте также предусмотрены режимы исправления текста и вопросов и ответов. Для Q&A требуется параметр min_new_tokens, чтобы ответы не обрывались преждевременно. Перевод длинных текстов может обрезаться, поэтому их рекомендуется разделять на части. Q&A на китайском ненадёжен. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Это Sentence Transformer на архитектуре MPNet, дообученный AC7989 на базе sentence-transformers/all-mpnet-base-v2. Модель кодирует предложения и абзацы о Disneyland в плотные векторы размерностью 768; для сравнения векторов используется косинусное сходство. В README указана максимальная длина последовательности 384 токена, а в метаданных — 514 токенов контекста. Модель предназначена для сравнения отзывов по смыслу, семантического поиска и группировки текстов; также её векторы можно использовать для классификации и поиска перефразировок. Она обучалась на наборе из 34 124 примеров с Triplet Loss. Метаданные указывают 136,7 млн параметров и формат safetensors. Язык отзывов в карточке не указан явно. Условия лицензии в предоставленных данных отсутствуют.

Hongbin37/CBT-LLM — instruction-tuned LoRA-модель для вопросов и ответов, построенная на архитектуре Baichuan. В карточке указана задача question-answering; метаданные каталога также относят её к text-generation. Модель содержит 6,7 млрд параметров и поддерживает контекст до 4096 токенов. Модель предназначена для ответов на вопросы и генерации текста по инструкциям на китайском языке. Это адаптер LoRA, поэтому для работы требуется базовая модель Baichuan; точный идентификатор базовой модели в доступных данных не указан. Указаны формат PyTorch и лицензия Apache-2.0, при этом README отдельно предписывает соблюдать лицензию Baichuan-7B.

Cerebro_BM_solar_v01 — языковая модель для генерации текста, разработанная YoungWoo Nam из компании I-BRICKS. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 10,6 млрд параметров; для загрузки приведён пример с Transformers. Модель рассчитана на корейский язык, имеет контекстное окно 4096 токенов и распространяется в формате safetensors. Модель можно использовать для генерации продолжений текста и других сценариев текстовой генерации на корейском языке. Лицензия Apache 2.0 разрешает использование на её условиях.

Claire 7B 0.1 — языковая модель для генерации текста и диалоговых сценариев, разработанная OpenLLM France. Представлена в формате GGUF и квантована TheBloke; исходная модель доступна в формате PyTorch fp16. Модель ориентирована на франкоязычное общение, включая conversational-приложения, ролевые диалоги и генерацию ответов на французском языке. В README приведён шаблон запроса с обращениями к собеседникам и примеры диалогов с разными форматами обозначения участников. Модель использует архитектуру Falcon и содержит около 7 млрд параметров. Указан французский язык; сведения о других языках, модальностях и размере контекстного окна отсутствуют. Версия GGUF подходит для запуска через llama.cpp и совместимые интерфейсы и библиотеки, включая text-generation-webui, KoboldCpp, LM Studio, ctransformers и llama-cpp-python. Доступны варианты квантования от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством генерации. К сильным сторонам относятся поддержка локального CPU+GPU-инференса, широкий выбор уровней квантования и специализация на французских диалогах. Ограничения — отсутствие подтверждённых характеристик контекстного окна, мультиязычности и мультимодальности, а также потенциальные потери качества по сравнению с исходной моделью из-за квантования. Лицензия — CC BY-NC-SA 4.0, предусматривающая указание авторства, некоммерческое использование и распространение производных материалов на тех же условиях.

Модель alexandrainst/da-emotion-classification-base — датская BERT-модель, разработанная Alexandra Institute и предназначенная для классификации эмоций в тексте. Она относит датский текст к одному из восьми классов: радость/спокойствие, доверие/принятие, ожидание/интерес, удивление/изумление, гнев/раздражение, презрение/неприязнь, грусть и страх/беспокойство. Модель основана на предварительно обученной датской BERT-модели BotXO и дообучена на вручную размеченных публикациях из социальных сетей. В описании рекомендуется сначала определить, содержит ли текст эмоцию, с помощью отдельной бинарной модели эмоций, а затем использовать эту модель для определения типа эмоции. Архитектура — BERT для классификации последовательностей, размер — 137,8 млн параметров, максимальная длина контекста — 512 токенов. Модель рассчитана на датский язык и подходит для анализа эмоциональной окраски сообщений в социальных сетях. Обучающие данные не опубликованы. Лицензия — Apache-2.0.

NikolajMunch/danish-emotion-classification — модель на основе BERT для многоклассовой классификации датских предложений по шести эмоциям из категории эмоций Экмана. Она предназначена для анализа эмоциональной окраски коротких текстов; в карточке приведён пример классификации отдельного предложения. Модель имеет 137,8 млн параметров, архитектуру BertForSequenceClassification и контекст до 512 токенов. Репозиторий содержит веса PyTorch. Лицензия в доступных данных не указана.

SzilviaB/DarkNeuralDaredevil-8b-abliterated — объединённая модель генерации текста, созданная с помощью mergekit методом SLERP из DavidAU/L3-Dark-Planet-8B и mlabonne/NeuralDaredevil-8B-abliterated. Модель основана на плотной архитектуре Llama и содержит 7,5 млрд параметров; для работы с контекстом заявлено до 8192 токенов. Доступны веса в формате safetensors. Модель предназначена для диалоговой генерации текста и ролевых сценариев. В описании базовых моделей указаны меньшие поведенческие ограничения; конфигурация слияния задаёт V-образное распределение влияния компонентов по слоям. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя.

inu-ai разработал dolly-japanese-gpt-1b — японскую диалоговую модель на основе GPT-2 с 1,3 млрд параметров, дообученную методом instruction tuning на японских наборах инструкций и диалогов. В обучении использованы databricks-dolly-15k-ja, oasst1-89k-ja, OjousamaTalkScriptDataset и zundamon.json. Модель генерирует текст и отвечает на инструкции и вопросы на японском языке. Она предназначена для диалоговых сценариев; может учитывать историю беседы длиной до 1024 токенов. Автор указывает ориентировочную потребность в 7 ГБ VRAM или RAM. Модель основана на японской версии GPT-2 от rinna и распространяется в форматах PyTorch и Safetensors. Автор сообщает, что после добавления диалоговых данных точность ответов на приведённых примерах вопросов снизилась. Результаты не следует считать гарантированными. В метаданных указана лицензия MIT; README также перечисляет наборы данных с отдельными лицензиями, поэтому условия использования обучающих данных следует учитывать отдельно.

Fett-uccine-7B — разговорная языковая модель от Epiculous на архитектуре Mistral, созданная дообучением на диалоговых данных LimaRP, наборах theory of mind и Gnosis. Веса 8-битного LoRA-адаптера объединены с Mistral Instruct; модель рассчитана на общение в формате ChatML Instruct. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации диалоговых ответов и ролевых бесед. Репозиторий распространяется по лицензии AGPL-3.0.

fpadovani/heb-hebr-10mb-10mb_seed455 — это дообученная с помощью TRL языковая модель на архитектуре GPT-2, основанная на goldfish-models/heb_hebr_10mb. Она предназначена для генерации текста; в карточке показан пример ответа на вопрос в диалоговом формате. Модель загружается через Transformers и распространяется в формате safetensors. Контекст модели составляет 512 токенов. Карточка не описывает целевые языки, обучающие данные, качество или ограничения по применению. Условия лицензии в предоставленных данных не указаны.

HiliSenti-v1-model — модель jjjardev для классификации тональности предложений на языке хилигайнон. Это дообученная XLM-RoBERTa-large для отнесения текста к одному из трёх классов: отрицательная, нейтральная или положительная тональность. Модель принимает текст и возвращает метку класса с оценкой уверенности. В README заявлены точность 93,5% и macro F1 93,4% на тестовом наборе HiliSenti v1; метаданные указывают архитектуру XLM-RoBERTa для классификации последовательностей, 658,7 млн параметров и контекст до 514 токенов. Модель предназначена для анализа отзывов и обратной связи, мониторинга социальных сетей, а также образовательных, гражданских и исследовательских приложений, связанных с хилигайнон. Она оптимизирована для этого языка и поддерживает только классификацию тональности на уровне предложения. Лицензия — CC BY-NC-SA 4.0.

Huihui-HY-MT1.5-7B-abliterated — версия модели Tencent HY-MT1.5-7B, изменённая командой huihui-ai методом abliteration, который снижает склонность модели отказываться от ответов. Это экспериментальная модификация многоязычной плотной языковой модели HunYuan с 7,5 млрд параметров, предназначенной прежде всего для перевода. Она поддерживает контекст до 262 144 токенов и доступна в формате safetensors для загрузки через Transformers. Модель рассчитана на перевод и, по заявлению авторов, может подойти для сценариев, где перевод сочетается с диалогом. В карточке указана поддержка языков, включая китайский, английский, русский, японский, арабский, хинди и другие. Abliteration снижает защитные фильтры, поэтому модель может выдавать чувствительный или спорный контент; авторы считают эту реализацию грубой проверкой концепции и рекомендуют для одного лишь перевода исходную модель Tencent. Лицензия в предоставленных данных не указана.

Italia-GPT-i1-GGUF — это GGUF-квантизированная версия текстовой модели Italia-GPT, базовая модель которой разработана XythicK. Квантизацию выполнил mradermacher. Модель ориентирована на генерацию текста на итальянском языке и может использоваться в сценариях локального запуска, диалоговых приложениях и других задачах text generation, совместимых с форматом GGUF и экосистемой llama.cpp. В карточке также указаны обучение методом SFT и принадлежность к семейству Llama 3.2. Модель представлена в наборе вариантов квантизации от наиболее компактных IQ1 и IQ2 до более качественных Q5 и Q6, размер файлов составляет примерно от 0,5 до 1,1 ГБ. Некоторые варианты отмечены как имеющие низкое качество, тогда как i1-Q4_K_S и i1-Q4_K_M обозначены как удачный компромисс между размером, скоростью и качеством. Архитектура, число параметров, размер контекста, поддержка дополнительных модальностей и подробности обучающего набора в README не указаны; по имеющимся данным модель является текстовой и предназначена прежде всего для итальянского языка. Указана лицензия llama3.2.

rinna разработала японскую инструктивно-диалоговую модель на базе GPT-NeoX. Она предназначена для следования текстовым инструкциям и ведения диалога в формате сообщений пользователя и системы. Модель дообучена в два этапа: сначала SFT, затем обучение с подкреплением по человеческой обратной связи с PPO на японском подмножестве Anthropic HH RLHF. В метаданных указано 4,7 млрд параметров; карточка описывает архитектуру как трансформер с 36 слоями и размером скрытого состояния 2816. Контекст составляет 2048 токенов. Модель ориентирована на японский язык и использует SentencePiece-токенизатор с размером словаря 32 000. В оценке на 100 запросах PPO-вариант чаще выигрывал у SFT-версии, однако авторы отмечают склонность к повторению текста и рекомендуют настраивать repetition_penalty и другие параметры генерации. Для корректной обработки токенизации авторы указывают использовать медленный токенизатор Transformers и специальный формат диалога с японскими метками ролей. Лицензия — MIT.

realPCH/kosolra_SFT_DPO_v0 — корейская языковая модель семейства Llama, разработанная realPCH. Это плотная авторегрессионная модель на 10,7 млрд параметров с контекстом до 4096 токенов, предназначенная для генерации текста и диалоговых ответов. Модель дообучена на yanolja/KoSOLAR-10.7B-v0.1 и прошла DPO на основе realPCH/kosolra-kullm; среди указанных наборов данных — KULLM v2 и корейская выборка UltraFeedback. Модель загружается через Transformers и распространяется в формате safetensors. Лицензия — MIT. Карточка не описывает сравнительные оценки качества или специальные сценарии применения, поэтому результаты на конкретных задачах могут различаться.

Модель разработал Jeon Duyoung (searle-j) для классификации эмоций в корейских онлайн-комментариях. Это ElectraForSequenceClassification на основе beomi/KcELECTRA-base, дообученная на наборе KOTE (Korean Online That-gul Emotions Dataset); она относит текст к нескольким эмоциональным категориям, включая недовольство, доброжелательность, восхищение, благодарность, грусть и гнев. Модель принимает текст и выдаёт метки классов с оценками. Контекст — до 512 токенов, размер — 151,7 млн параметров. Модель предназначена для анализа эмоций и тональности корейских комментариев и публикаций. В репозитории указана лицензия MIT. В документации проекта отмечено, что версия Trainer имеет несколько отличающиеся настройки и архитектуру по сравнению с вариантом из статьи, а её macro F1 составляет 0,55 против 0,56 у версии из статьи.

L3.1-8B-Fabula — дообученная модель BusRune на базе Meta Llama 3.1 8B, предназначенная для ролевых диалогов и ответов на общие вопросы. Она использует архитектуру LlamaForCausalLM с плотной структурой и формат весов Safetensors; размер составляет 7,5 млрд параметров. Для диалога применяется шаблон ChatML. В README указан максимальный размер входа 32 768 токенов, а метаданные модели указывают нативный контекст до 131 072 токенов. Модель ориентирована на генерацию текста в разговорном формате, включая ролевые сценарии и ответы на общие вопросы. Она дообучена на наборах инструкций и ролевых диалогов, связанных с Claude Opus. В карточке заявлен английский язык; лицензия — Llama 3.1.

AIdenU/LLAMA-2-13b-ko-Y24-DPO_v2.0 — корейская языковая модель для генерации текста, разработанная на основе AIdenU/LLAMA-2-13b-ko-Y24_v2.0. Она относится к плотной архитектуре LLaMA 2 и содержит 12,9 млрд параметров. Модель предназначена для генерации текста на корейском языке; карточка указывает задачу text-generation. Контекст модели составляет 4096 токенов. Веса доступны в формате PyTorch, лицензия — Apache-2.0. README называет базовую модель, но не приводит сведения о конкретных сценариях диалогового использования, качестве, обучающих данных или результатах оценки.

Llama-3-Steerpike-v1-OAS-8B — языковая модель на основе Meta Llama 3, созданная grimjim с помощью объединения предварительно обученных моделей через mergekit и метод task arithmetic. В объединение вошли модели для диалогов и ролевых сценариев, а также OpenBioLLM; базой слияния служила mlabonne/NeuralDaredevil-8B-abliterated. Модель предназначена для генерации текста по инструкциям, диалогов и ролевых сценариев. В аналитических беседах персонажи могут отвечать чрезмерно интеллектуально; в начале диалога форматирование может быть непоследовательным, но, по словам автора, стабилизируется с продолжением контекста. Модель проверена лишь в ограниченном объёме. Она содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Доступна в формате safetensors; лицензия CC-BY-NC-4.0 ограничивает коммерческое использование.