III.4Клиентская поддержка и customer success

Buddy-2B-v1 — диалоговая языковая модель TheDrummer на архитектуре Gemma 2 с 2,7 млрд параметров и контекстом 8192 токена. Она предназначена для эмпатичного общения, самоанализа и личностного роста; поддерживает формат чата Gemma и текстовое дополнение. Модель подходит для разговоров о повседневных переживаниях, рефлексии и ролевых диалогов. Автор предупреждает, что Buddy не является лицензированным психотерапевтом и не предназначена для решения серьёзных проблем психического здоровья. Лицензия CC BY-NC 4.0 разрешает использование на некоммерческих условиях; автор просит получить разрешение для иных случаев.

Conversational Spanish GPT — разговорная модель, созданная Josemaría Vargas Vasconcellos на основе Microsoft DialoGPT-small и дообученная на 96 437 одноходовых диалогах на испанском языке из наборов Microsoft Bot Framework Tools. Это плотная авторегрессионная модель семейства GPT-2 для генерации текста; она предназначена как основа для разработки испаноязычных диалоговых приложений и для генерации ответов в чат-ботах. Модель работает с текстом и имеет контекст длиной 1024 токена. Ответы модели обычно краткие и могут терять фокус; разнообразие диалогов и повторяющиеся ответы в обучающих данных приводят к вариативности и повторениям. В README отмечено, что модель не подходит для развертывания как контекстный чат-бот; тестирование на Hugging Face отключено из-за неточных ответов. Лицензия в предоставленных данных не указана.

FinnDot разработала FinnAI SLM v2 — компактную плотную языковую модель на 1,7 млрд параметров, дообученную методом QLoRA SFT на базе Qwen/Qwen3-1.7B для приложения учёта расходов. Модель принимает текст и генерирует текст; в каталоге Hugging Face опубликована в формате safetensors, а для работы на устройстве FinnDot указывает отдельный формат LiteRT-LM INT4. Основное назначение — разбор SMS индийских банков: модель извлекает сумму, продавца, тип операции, счёт, баланс и категорию в JSON, включая сообщения об операциях UPI, NEFT, IMPS, кредитных картах, зарплате и снятии наличных. Также она отвечает на вопросы о личных финансах на основе журнала расходов и даёт краткие ответы по темам SIP, EMI, налогов и бюджета. Заявленная длина контекста — 40 960 токенов. Модель рассчитана на английский, хинди, хинглиш, тамильский, телугу, маратхи и бенгальский. В отложенной оценке авторы сообщают о точном совпадении всех полей для 97,72% непустых SMS с операциями и о доле ложного разбора 0,54% для пустых и нетранзакционных сообщений. К ограничениям относятся узкая специализация на форматах индийских банковских SMS, сложность извлечения продавца и несовершенная точность финансовых ответов: модель может искажать числа. Режим пошагового рассуждения отключён. Лицензия — Apache-2.0.

Intent Detection V2.0 — дообученная компанией-разработчиком модели ningpy на базе Qwen2.5-7B-Instruct система классификации намерений и маршрутизации запросов для медицинских приложений. Она определяет тип обращения, отмечает потенциально опасные ситуации, применяет правила блокировки или перенаправления и извлекает из сообщения упоминания лекарств, заболеваний и симптомов. Результат выдаётся в виде структурированного JSON с фиксированными полями и поддержкой нескольких меток одновременно. Модель предназначена для маршрутизации вопросов о здоровье: например, для направления экстренных обращений на отдельный сценарий и отказа в небезопасных советах о дозировках. В README приведены результаты на валидационной выборке из 2518 примеров: Safety F1 92,3%, точное совпадение всех меток 87,4%, совместная точность намерения и типов 81,5%. Обучение проводилось на 54 404 примерах на английском, китайском и брунейском малайском языках. Архитектура — плотная Qwen2, 7,1 млрд параметров; контекст — 32 768 токенов. Лицензия — Apache-2.0.

MedGemma 4B IT GGUF — это квантизированная GGUF-версия модели google/medgemma-4b-it, опубликованная в рамках Community Model Program сообщества LM Studio. Исходная модель разработана Google; LM Studio не является её создателем или владельцем. Для преобразования и запуска GGUF-моделей в экосистеме проекта использовались разработки llama.cpp. Модель предназначена для задач image-text-to-text, то есть обработки изображений и текста с генерацией текстового ответа. Из README известно, что это модель семейства MedGemma с размером 4B и вариантом instruction-tuned (IT), однако сведения об архитектуре, поддерживаемых языках, размере контекста, конкретных форматах изображений и характеристиках квантизации не приведены. Поэтому README не позволяет точно оценить её сильные стороны, ограничения или пригодность для отдельных медицинских сценариев; результаты не следует считать гарантированно точными или профессиональной медицинской рекомендацией. Модель распространяется на условиях Health AI Developer Foundations Terms of Use (HAI-DEF); указана лицензия health-ai-developer-foundations и ссылка на её условия. Перед использованием необходимо ознакомиться с этими условиями и учитывать, что ответственность за применение модели несёт пользователь или поставщик модели.

Mercury-M22 — дообученная модель RaonDuplex для полно-дуплексного речевого диалога с учетом времени. Она обрабатывает аудио и генерирует аудио, поддерживая временную структуру разговора; кадры модели соответствуют 80 мс, аудио имеет частоту 24 кГц. Чекпойнт обучен за два этапа на 4 440 синтетически созданных полно-дуплексных диалогах; временные метки слов получены принудительным выравниванием озвученного аудио. Модель предназначена для исследований и разработки диалоговых систем, которые должны учитывать временную координацию речи собеседников. В README приведены измерения согласованности текста и аудио на 100 диалогах, но они основаны на артефактах самой модели и не сопоставляются с эталонной расшифровкой. Код обучения, данные и скрипты оценки не опубликованы. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства и ограничивающей коммерческое применение.

MiniBot-0.9M-Instruct — разработанная AxionLab небольшая языковая модель для диалогов и выполнения простых инструкций на португальском языке. Это дообученная версия MiniBot-0.9M-Base: GPT-2-совместимый декодерный трансформер с авторегрессивной генерацией и примерно 0,9 млн параметров. Модель принимает текст и генерирует текст; её контекст ограничен 128 токенами. Дообучение на португалоязычных вопросах и ответах, инструкциях и диалогах улучшило следование простым запросам и связность коротких ответов. Модель подходит для лёгких чат-ботов, игровых NPC и экспериментов с дообучением. Она очень мала, слабо справляется со сложными рассуждениями и может выдавать неверные или бессмысленные факты; карточка не рекомендует её для критически важных производственных сценариев. Лицензия — MIT.

Omi Med STT v1 MLX q8 — экспорт с 8-битным квантованием модели Omi Med STT v1 от Omi Health для распознавания медицинской речи на Apple Silicon. Модель предназначена для локальной транскрибации клинических диалогов и доступна как артефакт по умолчанию для CLI omi-med-stt. Базовая модель использует архитектуру FastConformer/Conformer и медицинскую адаптацию; экспорт распространяется в формате safetensors и занимает около 0,94 ГБ. В опубликованном тесте на медицинском наборе из 1 513 аудиофрагментов модель показала WER 6,65%, M-WER 2,12% и медицинский recall 97,88%. Эти результаты относятся к конкретному тесту и конфигурации Apple Silicon M4 Max. Модель поддерживает английскую речь; карточка не заявляет поддержку других языков. Лицензия — CC BY 4.0. Это система преобразования речи в текст, а не диагностическая или клиническая система поддержки решений. Модель не проходила клиническую валидацию, и расшифровки необходимо проверять перед клиническим использованием. Для работы на Mac рекомендуется CLI omi-med-stt; чекпойнт несовместим напрямую с parakeet-mlx.

RDeepak/Counselling-QA — дообученная RDeepak модель для генерации текста в формате диалога, основанная на Gemma 2 2B от Unsloth. Карточка называет её моделью для вопросов и ответов по консультированию, однако не раскрывает состав обучающих данных и конкретные сценарии консультирования. Модель имеет плотную архитектуру Gemma 2 с 2,7 млрд параметров, принимает текст и рассчитана на контекст до 8192 токенов. Она предназначена для генерации ответов в диалоге. Обучение проводилось с использованием Unsloth и TRL; модель распространяется под лицензией Apache 2.0. Качество и пригодность ответов для профессионального консультирования не подтверждены описанием модели.

EXAONE-3.5-7.8B-Instruct-KoCulture — разработанная Hugging Face KREW дообученная версия LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct. Это плотная авторегрессионная языковая модель с архитектурой decoder-only Transformer и 7,4 млрд параметров. Она предназначена для генерации разговорных ответов на корейском языке, с использованием современных сленговых выражений, мемов и интернет-трендов. Модель обучена методом SFT на диалоговом датасете KoCulture-Dialogues-v2; поддерживает контекст до 32 768 токенов и доступна в формате safetensors через Transformers. Модель подходит для неформальных чат-ботов и генерации ответов в стиле дружеской переписки. По данным карточки, дообучение улучшило использование корейских неологизмов и мемов. При этом сленг может быть подвержен быстрой смене значений, а ответы — отражать перекосы онлайн-культур и содержать неуместные формулировки. Модель может ошибаться в фактах и не предназначена для критически важных консультаций. Лицензия указана как other; карточка связывает условия использования с лицензией базовой модели и отмечает, что обучающий датасет распространяется по CC BY-NC-SA 4.0 и ограничивает коммерческое использование.

FRSsum — компактная языковая модель на архитектуре LLaMA, разработанная для разбора запросов об учёте посещаемости и кадровых вопросах и формирования ответов с опорой на предоставленный контекст. Модель содержит 10,5 млн параметров, распространяется в формате safetensors и рассчитана на контекст до 512 токенов. В карточке указаны английский язык и лицензия MIT. Модель предназначена для лёгких сценариев HR-ассистента и работы с запросами об attendance. Заявленные в карточке validation loss 0,0662 и perplexity 1,07 приведены без описания набора данных или методики оценки, поэтому сами по себе не подтверждают качество в прикладной среде. Малый размер и короткий контекст ограничивают сложные многошаговые запросы и обработку объёмных документов.

MawaredHR Assistant — дообученная Daemontatox языковая модель для поддержки по вопросам управления персоналом. Она основана на DeepSeek-R1-Distill-Qwen-7B и использует плотную архитектуру Qwen2 с 7,1 млрд параметров; модель рассчитана на генерацию текста и диалоговое взаимодействие. Заявленная длина контекста — 131 072 токена, основной язык — английский. Модель предназначена для ответов на вопросы сотрудников и автоматизации повторяющихся HR-запросов: отпусков, льгот и разъяснения внутренних политик. В карточке указаны обучение с помощью Unsloth и TRL и лицензия Apache-2.0. Качество ответов зависит от полноты и актуальности предоставленных кадровых правил; заявленные возможности карточки не подтверждают подключение к конкретным HR-системам или актуальным документам.

mine:o1-nano — небольшая авторегрессионная языковая модель MineAI Technology из Исламабада. Модель построена с нуля на JAX/Flax NNX, а не получена дообучением другой модели; архитектура — GPT-2 Small style, decoder-only Transformer с 12 слоями и 124 млн параметров. В репозитории также представлен формат ONNX. Модель предназначена для узких сценариев с заранее заданными формулировками: FAQ-ассистентов, виджетов с подсказками, простых диалогов об идентичности создателя и компании, а также ограниченных арифметических запросов. Обучение включает предобучение на OpenWebText и три этапа supervised fine-tuning. Поддерживаемый язык — английский; контекст составляет 1024 токена. Лицензия — Apache-2.0. Модель не подходит для свободного открытого диалога и надёжных фактических ответов. В README описаны ошибки на непривычных формулировках, слабая генерализация арифметики, неустойчивость к уточняющим вопросам и отсутствие обучения безопасному поведению или работе с эмоционально чувствительными темами; ответы могут быть связными, но неверными.

Qweb2.5-Aloe-Beta-Finetuned-50Steps — дообученная автором noureldinayman разговорная языковая модель на архитектуре Qwen2.5 с 7,1 млрд параметров. Она основана на HPAI-BSC/Qwen2.5-Aloe-Beta-7B и предназначена для генерации текста в диалоге; базовая модель ориентирована на ответы на медицинские вопросы и другие задачи здравоохранения. Модель принимает текст и выдаёт текст. В метаданных указан контекст до 131 072 токенов и поддержка английского языка. Обучение проводилось с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о данных и методике дообучения, поэтому пригодность ответов для клинических решений не установлена. Название указывает на 50 шагов обучения, но README это отдельно не поясняет.

Карточка модели noureldinayman/Qweb2.5-Aloe-Beta-Finetuned-50Steps-diff-rewardfunctions на Hugging Face совпадает с карточкой noureldinayman/Qweb2.5-Aloe-Beta-Finetuned-50Steps, поэтому описание составлено по ней. Qweb2.5-Aloe-Beta-Finetuned-50Steps — дообученная автором noureldinayman разговорная языковая модель на архитектуре Qwen2.5 с 7,1 млрд параметров. Она основана на HPAI-BSC/Qwen2.5-Aloe-Beta-7B и предназначена для генерации текста в диалоге; базовая модель ориентирована на ответы на медицинские вопросы и другие задачи здравоохранения. Модель принимает текст и выдаёт текст. В метаданных указан контекст до 131 072 токенов и поддержка английского языка. Обучение проводилось с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о данных и методике дообучения, поэтому пригодность ответов для клинических решений не установлена. Название указывает на 50 шагов обучения, но README это отдельно не поясняет.

Модель HYU-NLP-EVAL/qwen3-4b-rar-medicine-onlinerubrics-dense-seed11-step-011 — плотный чекпойнт Qwen3, созданный командой HYU-NLP-EVAL на основе Qwen/Qwen3-4B-Instruct-2507. Это один из чекпойнтов серии RaR-Medicine OnlineRubrics-Every; в README указан шаг обучения 11 и BF16-веса для инференса. Модель предназначена для генерации текста в диалоговом формате, в том числе для сценариев, связанных с медицинскими онлайн-рубриками. Модель содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 262 144 токенов. Карточка не уточняет языки обучения и качество на медицинских задачах, поэтому специализацию и точность ответов в этой области следует оценивать отдельно. Лицензия — Apache-2.0; README указывает на исследовательское применение.

RAS1981/Qwen3-4B-outreach-stage4 — дообученная плотная языковая модель семейства Qwen3 с 3,7 млрд параметров. Это финальный этап пятиступенчатого обучения модели для работы русскоязычным агентом по квалификации клиентов в сфере недвижимости. В метаданных указано контекстное окно 262 144 токена; модель распространяется в формате Safetensors и рассчитана на генерацию текста в диалоговом режиме. Модель ведёт многоходовый разговор без обязательного системного промпта: приветствует клиента, выясняет район, бюджет и сроки, обрабатывает фрагментированные запросы, исправления и возражения, затем предлагает записаться на звонок, встречу или просмотр. Она обучена выдавать краткие сообщения в стиле оператора, следовать деловым правилам и отказываться от тем вне своей области. Разработчик заявляет, что поведение и сценарии встроены в модель после этапов доменного дообучения и SFT. Модель предназначена для русскоязычных сценариев работы с недвижимостью; заявленное семейство — Qwen3, а в метаданных также отмечен английский язык. Лицензия — Apache-2.0. Рекомендации автора по генерации: температура 0,1 и максимум 2000 токенов; характеристики скорости и стабильности приведены в карточке как заявления разработчика.

Bella Bartender Gemma E4B — разговорная модель с заданной личностью, созданная автором juiceb0xc0de на основе дообучения Google Gemma 4 E4B Instruct. Для настройки использованы 9 300 пар реплик из речи одного человека без синтетических данных. Модель обучена отвечать в непринуждённом, прямом и реалистичном стиле: без эмодзи и нумерованных списков, с юмором и ненавязчивыми встречными вопросами. Модель предназначена для свободного многоходового общения о повседневной жизни, отношениях с коллегами и отвлечённых темах. Название «Bartender» обозначает образ собеседника, а не специализацию: в обучающих данных нет сведений о напитках, барах или рецептах. В карточке указана архитектура Gemma4ForCausalLM и формат safetensors; исходная Gemma 4 E4B Instruct описана как мультимодальная, но для этой версии README подтверждает только текстовое общение. Автор приводит ограниченные результаты тестов, включая 70% на выборке из 10 заданий MuSR и 0% на публичной выборке SimpleBench из 10 заданий; это не свидетельствует о пригодности для решения задач на рассуждение. Автор также не рекомендует использовать модель для программирования и математики. Под многоходовой нагрузкой могут появляться служебные маркеры анонимизации вроде [NAME] или [coworker]. Лицензия репозитория — gemma.

Depression_binary — дообученная на базе microsoft/deberta-v3-base модель классификации текста, опубликованная пользователем ajrayman. Она предназначена для бинарной классификации текстов, связанных с выявлением депрессии. Модель построена на архитектуре DeBERTa V2 для классификации последовательностей, содержит 211,6 млн параметров и принимает текст длиной до 512 токенов. В карточке приведены результаты оценки: accuracy 0,7335, precision 0,7480, recall 0,7032, F1 0,7249 и AUC 0,8024. Датасет и подробности обучения не описаны, поэтому эти показатели не позволяют судить о качестве на иных выборках или клинической пригодности. Модель распространяется по лицензии MIT.

Haruhi-Zero-6B-0.1 — разговорная модель для ролевых диалогов, созданная командой проекта Haruhi-Zero на основе Yi-6B. Модель дообучена на собранных и подготовленных примерно 120 тысячах диалогов на китайском и английском языках, а также на данных из романов. В карточке указаны архитектура Llama с плотной causal language modeling моделью объёмом 5,8 млрд параметров и контекст 4096 токенов. Модель предназначена для zero-shot ролевого общения: пользователь задаёт имя и описание персонажа в системном промпте, после чего модель старается отвечать от его лица, без обязательной базы персонажей. Подходит для прототипов чат-персонажей и диалоговых приложений. Репозиторий содержит веса safetensors; лицензия — CC BY-SA 4.0. README отмечает, что код инференса ещё разрабатывался, а дальнейшее усиление данных было указано в планах. Это ранняя версия проекта, поэтому стабильность следования роли и качество ответов могут быть ограничены; заявленное назначение и обучение не подтверждают надёжную работу за пределами китайского и английского языков.

TherapyBeagle 11B v2 — разговорная модель Victunes для поддерживающего общения и имитации эмпатичного собеседника. Она обучена на базе vicgalle/CarbonBeagle-11B-truthy с модифицированным набором nart-100k-synthetic; в метаданных указана архитектура Mistral с 10,6 млрд параметров и контекстом 32 768 токенов. Модель предназначена для бесед о настроении, одиночестве, утрате и самопознании, а также для ролевого общения с заданной персоной. В README приведены форматы Solar Instruct и Flavorful chat; в метаданных заявлена возможность чата. Модель ориентирована на англоязычные диалоги. Она может поддержать разговор и предложить вопросы для размышления, но не является психотерапевтом и не заменяет помощь квалифицированного специалиста. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

MedPsy-1.7B-i1-GGUF — набор квантизированных файлов GGUF для модели MedPsy-1.7B, разработанной qvac. Квантизацию выполнил mradermacher. Модель ориентирована на генерацию текста в медицинских, клинических и связанных со здравоохранением сценариях, включая запуск на периферийных устройствах и локальное использование. Модель имеет около 1,7 млрд параметров. В карточке она помечена как связанная с архитектурой Qwen3 и поддерживающая английский язык. Указана текстовая генерация; сведения о других модальностях и размере контекстного окна отсутствуют. Репозиторий содержит варианты квантизации от IQ1 и Q2 до Q6, размером примерно от 0,7 до 1,8 ГБ, что позволяет выбирать баланс между требованиями к памяти, скоростью и качеством. Сильная сторона модели — небольшой размер и наличие GGUF-вариантов для локального и on-device запуска. При этом качество зависит от выбранного типа квантизации: самые компактные варианты отмечены как низкокачественные, а Q4_K_M обозначен как рекомендуемый для сочетания скорости и качества. В README нет результатов оценивания, описания обучающих данных, контекстного окна или подтверждения пригодности для клинических решений, поэтому модель не следует рассматривать как замену медицинскому специалисту без дополнительной проверки. Указана лицензия Apache-2.0.

CyberpunkLegend/Qwen2.5-7B-Instruct-CharacterEnhance — это двуязычная модель диалоговой генерации на базе Qwen2.5-7B-Instruct, дообученная автором методом QLoRA на датасете PIPPA. Она предназначена для ролевых бесед и генерирует естественные ответы, соответствующие заданному персонажу. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. Модель рассчитана на диалоги на английском и китайском языках. При обучении использовались очищенные и стратифицированно отобранные примеры из 16 832 диалогов PIPPA, включая английские оригиналы и китайские переводы. Весовые файлы представлены в формате Safetensors; лицензия — Apache 2.0, унаследованная от базовой модели. Ответы ориентированы на краткий формат — около 30 китайских символов или эквивалентной длины, поэтому модель не подходит для длинных текстов. Она наследует смещения датасета и базовой модели, а согласованность персонажа может снижаться для незнакомых персон и сценариев.

WiNGPT2-Llama-3-8B-Chat — 卫宁健康开发的中文医疗垂直领域对话大语言模型，基于 Meta-Llama-3-8B 微调并进行对齐。Модель предназначена для медицинских вопросов и ответов, поддержки диагностических рассуждений и предоставления справочной медицинской информации; README также демонстрирует сценарий перевода. Это плотная авторегрессионная архитектура LlamaForCausalLM примерно на 7,5 млрд параметров с контекстом 8192 токена и поддержкой чата. Разработчики сообщают об усилении китайского языка и многоязычности; метаданные карточки указывают английский и китайский языки. Модель может помогать пациентам получать общую медицинскую информацию, а медицинским специалистам — рассматривать варианты диагностики, лекарственной терапии и рекомендаций по здоровью. Её ответы могут содержать ошибки и не заменяют профессиональную медицинскую консультацию, диагностику или лечение. Для проекта указана лицензия Apache 2.0, при этом веса также подчиняются условиям лицензии базовой модели Llama 3.

NVIDIA Nemotron 3 Nano Omni — мультимодальная модель семейства Nemotron, разработанная NVIDIA и представленная в репозитории Unsloth как вариант на основе nvidia/Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16. В карточке указаны архитектура NemotronH_Nano_Omni_Reasoning_V3 и формат safetensors; вариант рассчитан на диалог и интерфейс вызова инструментов. В README также описана поддержка обработки текста, изображений, аудио и видео, включая распознавание речи, OCR и анализ графического интерфейса. Модель предназначена для корпоративных мультимодальных сценариев: ответов на вопросы и суммаризации записей встреч и видео, поиска по медиаматериалам, анализа документов, проверки информации в изображениях и автоматизации работы с GUI. README приводит примеры клиентского сервиса, медиа и развлечений, деловых и научных документов, а также браузерных и почтовых агентов. В метаданных перечислены языки английский, французский, испанский, итальянский, немецкий, японский и китайский; в README указана возможность коммерческого использования. Лицензия в метаданных обозначена как other, поэтому конкретные условия следует сверять с лицензией репозитория.

Aya Expanse 8B Ungated — открытая версия весов многоязычной языковой модели, разработанной Cohere For AI на основе предварительно обученной модели семейства Command. Это авторегрессионный трансформер Cohere с 8 млрд параметров и контекстом до 8192 токенов; модель принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. Модель предназначена для многоязычного общения и генерации текста на 23 языках, включая русский, английский, китайский, арабский, хинди и японский. Её постобучение включает обучение с учителем, обучение на предпочтениях, настройку безопасности и слияние моделей. Она подходит для ответов на вопросы, диалогов и создания текстов на поддерживаемых языках. Веса опубликованы по лицензии CC-BY-NC-4.0; использование также регулируется политикой допустимого использования C4AI. Лицензия ограничивает коммерческое применение. Модель принимает и выдаёт только текст; заявленная длина контекста — около 8 тысяч токенов.

AI21 Jamba Mini 1.6 — разработанная AI21 гибридная инструкционная модель семейства Jamba, сочетающая архитектуры State Space Model (Mamba) и Transformer. В модели 12 млрд активных параметров и 52 млрд параметров всего; она принимает текст и предназначена для генерации текста в диалоге, следования инструкциям, вызова функций, структурированного вывода JSON и генерации ответов с опорой на заданные источники. Контекстное окно составляет 256 тыс. токенов. Модель рассчитана на длинные контексты и деловые сценарии; для запуска README рекомендует CUDA и vLLM версии 0.6.5 или выше. Поддерживаются английский, испанский, французский, португальский, итальянский, нидерландский, немецкий, арабский и иврит. Заявленные разработчиком преимущества — скорость инференса и качество обработки длинного контекста. Модель распространяется по Jamba Open Model License, допускающей исследования и коммерческое использование на её условиях.

Aya Expanse 32B — открытая по весам мультиязычная языковая модель, разработанная Cohere Labs. Она основана на предварительно обученной модели семейства Command и дополнительно обучена с учителем, с использованием предпочтений и объединения моделей. Модель предназначена для диалогов и генерации текста на 23 языках, включая русский, английский, арабский, китайский, хинди, японский и другие. Это авторегрессионная модель на архитектуре Transformer с 32 млрд параметров и контекстом до 128K токенов; она принимает текст и генерирует текст. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование; также необходимо соблюдать Политику допустимого использования Cohere Labs. Модель выпущена как исследовательская, но подходит для практических мультиязычных задач; её ответы могут быть ошибочными, а качество — различаться между языками и задачами.

adamo1139/aya-expanse-32b-ungated — открытая версия весов Aya Expanse 32B от Cohere For AI без ограничения доступа через gated-доступ. Это авторегрессионная плотная трансформерная языковая модель семейства Cohere с 32,3 млрд параметров, предназначенная для генерации текста и диалогов на 23 языках. Модель принимает и выдаёт текст; метаданные указывают контекст 8192 токена. Модель подходит для многоязычных диалоговых помощников, ответов на вопросы, создания и перефразирования текстов на поддерживаемых языках. В карточке описаны supervised fine-tuning, обучение на предпочтениях, настройка безопасности и слияние моделей в процессе подготовки Aya Expanse. Для распространения указана лицензия CC-BY-NC-4.0; карточка также требует соблюдать политику допустимого использования Cohere For AI.

Gemma 2 27B IT — инструктивно дообученная текстовая языковая модель Google из семейства Gemma 2. Это декодерная трансформерная модель с открытыми весами, предназначенная для диалога и генерации текста по инструкциям. В репозитории указаны формат safetensors и библиотека Transformers; модель основана на google/gemma-2-27b. Модель подходит для ответов на вопросы, суммаризации, диалоговых помощников, создания текстов и рассуждений по заданному контексту. В карточке семейство описано как англоязычное; модель принимает текст и генерирует текст. Размер модели составляет 27 млрд параметров. Ответы могут содержать фактические ошибки и отражать предвзятости обучающих данных; модель может испытывать трудности с тонкими языковыми нюансами и сложными открытыми задачами. Условия лицензии Gemma определяются лицензией Google Gemma; перед использованием следует ознакомиться с её условиями и политикой допустимого применения.