III.4Клиентская поддержка и customer success

manojpreveen/Llama-2-70b-hf-ChatOrca-v2 — чат-модель на архитектуре Llama 2, разработанная Manojpreveen на основе meta-llama/Llama-2-70b-hf. Модель дообучена на данных Orca, OpenPlatypus и многошаговых диалогах из открытых наборов, включая OpenAssistant и Ultrachat, чтобы улучшить рассуждения и поддержку диалога в несколько ходов. Модель предназначена для генерации ответов, ведения диалогов и решения задач на рассуждение по текстовым запросам. Она содержит 68,7 млрд параметров, имеет контекст до 4096 токенов и использует формат весов safetensors. Для корректных запросов следует применять шаблон чата Meta Llama 2, описанный в карточке модели. Модель работает с текстом и ориентирована на английский язык. Репозиторий распространяется по лицензии MIT. Качество зависит от запроса и обучающих данных; карточка не приводит отдельных оценок качества или подробных ограничений применения.

Posicube Inc. разработала Posicube/Llama2-chat-AYB-13B — диалоговую плотную языковую модель на архитектуре Llama 2 с 12,9 млрд параметров. Модель создана на основе Llama-2-13b-chat-hf с использованием ансамблирования моделей, показавших высокие результаты в бенчмарках; в обучении применялись наборы данных в стилях Orca и Alpaca. Она предназначена для генерации текста и ответов в диалоге. Контекст составляет 4096 токенов; модель работает с текстом, а оценка в карточке описана для английских тестов ARC, HellaSwag и MMLU. Разработчик сообщает, что на момент публикации в октябре 2023 года модель занимала первое место среди моделей с 13 млрд параметров на упомянутых бенчмарках. Модель распространяется в формате safetensors по лицензии Llama 2. Как и другие большие языковые модели, она может выдавать неточные, предвзятые или нежелательные ответы; перед применением рекомендуется проверять её на сценариях конкретного продукта. Заявленная оценка охватывает английские тесты и не подтверждает качество во всех сценариях.

MaziyarPanahi/Llama-3-16B — плотная языковая модель семейства Llama 3, созданная MaziyarPanahi слиянием предварительно обученных моделей через mergekit и метод passthrough. В карточке указана модель MaziyarPanahi/Llama-3-11B как включённая в слияние; каталог также связывает её с этой моделью как с базовой дообученной моделью. Модель предназначена для генерации текста и продолжения текстовых запросов. Она содержит 16,2 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. В метаданных указан английский язык. Репозиторий использует Transformers и формат safetensors. Лицензия обозначена как other; конкретные условия в предоставленных данных не раскрыты.

unsloth/Llama-3.2-1B-Instruct-bnb-4bit — 4-битная версия instruction-tuned языковой модели Llama 3.2-1B-Instruct, распространяемая Unsloth на основе модели Meta. Это авторегрессионная модель с оптимизированной архитектурой Transformer и Grouped-Query Attention (GQA), предназначенная для генерации текста и диалоговых сценариев. Модель ориентирована на мультиязычный диалог, включая задачи суммаризации и agentic retrieval. Официально поддерживаются английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Модель работает только с текстом: принимает текстовые входные данные и генерирует текст. Размер составляет 1 млрд параметров; README не содержит данных о размере контекстного окна. Instruction-tuned версия обучалась с применением supervised fine-tuning (SFT) и reinforcement learning with human feedback (RLHF) для повышения полезности и безопасности. Ключевое преимущество варианта — 4-битное квантование, снижающее требования к памяти и подходящее для более экономичного запуска и дообучения. Ограничения включают меньший размер и, потенциально, более узкие возможности по сравнению с крупными моделями семейства, а также зависимость качества от поддерживаемого языка и сценария. Модель статична и обучена на офлайн-датасете, поэтому не обладает актуальными знаниями без внешних источников. Использование регулируется пользовательской лицензией Llama 3.2 Community License, являющейся специальной коммерческой лицензией Meta.

DNA 1.0 8B Instruct — корейско-английская языковая модель компании Dnotitia Inc. на архитектуре Llama, дообученная на основе Llama 3.1 8B. По карточке, при её создании применялись слияние SLERP, дистилляция с учителем Llama 3.1 405B, дополнительное предобучение на корейских данных, настройка инструкций и DPO. Модель предназначена для диалогов, генерации текста и выполнения инструкций на корейском и английском языках; размер — около 7,5 млрд параметров, контекст — до 131 072 токенов. В карточке приведены результаты сравнительных оценок на корейских бенчмарках KMMLU, KMMLU-hard и KoBEST. Модель может выдавать предвзятые или неподходящие ответы, устаревшую информацию и фактические ошибки; результаты зависят от сложности и предметной области, поэтому ответы следует проверять. Лицензия — CC BY-NC 4.0; карточка сообщает, что коммерческое использование возможно после согласования с разработчиком.

Llama-Poro-2-8B-Long-Instruct-heretic — декензурированная версия LumiOpen/Llama-Poro-2-8B-Long-Instruct, созданная с помощью Heretic v1.4.0. Это плотная авторегрессионная модель семейства Llama примерно на 7,5 млрд параметров для диалогов и следования инструкциям; репозиторий содержит веса Safetensors и заявляет воспроизводимость процесса преобразования. Модель предназначена для общения на финском и английском языках, ответов на вопросы, создания текстов и работы с длинным контекстом. README исходной модели описывает поддержку до 128K токенов, однако метаданные этой модели указывают нативный контекст 8192 токена. Поэтому при практическом использовании следует ориентироваться на подтверждённый метаданными предел и проверять совместимость конфигурации. В тесте из README доля отказов составила 5 из 100 против 87 из 100 у исходной модели. Ограничения включают возможные фактические ошибки, предвзятые или неподходящие ответы, слабую работу на языках помимо финского и английского и нестабильность в специализированных областях. Для модели указана лицензия llama3.3; её условия следует учитывать при распространении и использовании.

LLaMAX2-7B-Alpaca — многоязычная языковая модель семейства LLaMA, разработанная авторами проекта LLaMAX. Модель создана на основе Llama 2 с продолженным предобучением на корпусах для 102 языков и дообучением на англоязычном наборе инструкций Alpaca. Это плотная авторегрессионная архитектура LlamaForCausalLM с 6,6 млрд параметров и контекстом 4096 токенов. Модель предназначена для диалога и выполнения инструкций, особенно для перевода между более чем 100 языками. В README также описано применение как основы для многоязычных задач рассуждения, здравого смысла и распознавания языковых следствий; приведённые оценки перевода показывают улучшение относительно LLaMA2-Alpaca на Flores-101. Основной сценарий использования — генерация текста по запросу с инструкцией на перевод. Модель принимает и генерирует текст. Карточка заявляет поддержку более 100 языков, включая русский, английский, китайский, арабский и многие языки с ограниченными ресурсами. Распространяется в формате Safetensors по лицензии MIT.

llm-jp-4-8b-instruct — японская и англоязычная языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотная модель семейства Llama с 7,8 млрд параметров по метаданным и контекстом до 65 536 токенов. Репозиторий содержит веса в формате safetensors для Transformers. Модель предназначена для диалогов и выполнения инструкций на японском и английском языках. Она прошла предварительное и промежуточное обучение на суммарно 11,7 трлн токенов, а затем дообучение методом SFT; вариант instruct не проходил DPO. Шаблон чата совместим с форматом ответов OpenAI Harmony, но для корректной токенизации требуется токенизатор из репозитория. Разработчики предупреждают, что модели находятся на раннем этапе исследований и разработок и не были настроены для надёжного соответствия человеческим намерениям и требованиям безопасности. Модель распространяется по лицензии Apache-2.0.

Lucie-7B-Instruct-v1.1 — французско-английская инструктивная языковая модель OpenLLM-France, дообученная на базе Lucie-7B. Это плотная каузальная архитектура семейства Llama с 6,4 млрд параметров; модель принимает текст и генерирует ответы в диалоговом формате. Она предназначена для общения и выполнения общих инструкций, например ответов, кратких изложений и списков. В обучающую смесь вошли франкоязычные, англоязычные и двуязычные наборы инструкций, включая Alpaca-cleaned-fr, Croissant-Aligned-Instruct, FLAN v2 и OpenHermes 2.5. Модель обучалась на последовательностях длиной 4096 токенов; в README сообщается об эффективном контекстном окне около 22 тысяч токенов, а метаданные указывают базовый контекст в 32 тысячи токенов. Инструктивное дообучение описано как лёгкое: для специализированных сценариев, включая программирование и математические задачи, может потребоваться дополнительная настройка. Модель склонна к галлюцинациям и имеет ограниченный объём запоминаемых фактов; для ответов по актуальным или конкретным источникам может помочь RAG. Лицензия — Apache-2.0.

M7Yamshadowexperiment28_NeuralsirkrishnaExperiment28 — объединённая модель для генерации текста, созданная слиянием двух моделей: automerger/M7Yamshadowexperiment28-7B и automerger/NeuralsirkrishnaExperiment28-7B. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста по текстовому запросу; заявленная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Это диалоговая языковая модель Eric111, полученная слиянием методом SLERP моделей Mistral-7B-Instruct-v0.2 от Mistral AI и UNA-TheBeagle-7b-v1. Модель построена на архитектуре MistralForCausalLM с плотной структурой и содержит 7,1 млрд параметров; репозиторий предоставляет веса в формате safetensors. Модель предназначена для генерации текста и ответов на инструкции в диалоге. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Данные не уточняют отдельные целевые языки или специализированные области применения. Модель опубликована по лицензии CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных материалов. Качество ответов, фактическая точность и поведение после слияния зависят от запроса и требуют проверки в целевом сценарии.

RecurrentGemma 2B — базовая языковая модель Google для генерации текста. Она построена на архитектуре RecurrentGemma и предназначена для использования через Transformers; в карточке также упомянуто обучение с помощью JAX и ML Pathways. Модель подходит для генерации и чернового редактирования текстов, диалоговых интерфейсов, суммаризации и помощи в исследовании текстовых материалов. Карточка описывает эти сценарии как возможные применения семейства открытых LLM, а не как специализированные возможности этой базовой версии. Модель может ошибаться в фактах, испытывать трудности с неоднозначностью и сложными открытыми задачами, а также воспроизводить смещения обучающих данных. Использование регулируется условиями Gemma; для внедрения Google рекомендует учитывать меры безопасности и правила ответственного использования.

Saul-Instruct-Clown-7b — языковая модель, созданная arcee-ai слиянием через mergekit моделей CorticalStack/pastiche-crown-clown-7b-dare-dpo и Equall/Saul-Instruct-v1. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста; заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, ответов на вопросы, рассуждений и решения задач по текстовому запросу. В README приведены результаты OpenLLM-бенчмарков, включая ARC, HellaSwag, MMLU, TruthfulQA и GSM8K, но они не гарантируют аналогичного качества на других данных и сценариях. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Это слияние двух моделей, поэтому характеристики и поведение могут сочетать их свойства; отдельные языки, помимо поддерживаемого текстового интерфейса, в предоставленных данных не обозначены.

QuantFactory/SeaLLM3-7B-Chat-GGUF — квантизированная версия чат-модели SeaLLMs/SeaLLM3-7B-Chat, созданная QuantFactory с использованием llama.cpp. Семейство SeaLLMs разработано для работы с языками Юго-Восточной Азии; модель предназначена для генерации текста, диалогов и выполнения пользовательских инструкций. Модель ориентирована на широкий круг задач: ответы на вопросы, следование инструкциям, математическое рассуждение, перевод и работу со знаниями общего назначения. В README заявлены улучшенные возможности многошагового диалога, сниженная склонность к галлюцинациям и более безопасное поведение, в том числе при запросах, связанных с культурой стран Юго-Восточной Азии. Указаны английский, китайский, индонезийский, вьетнамский, тайский и малайский языки; также заявлена поддержка тагальского, бирманского, кхмерского, лаосского, тамильского и яванского языков. Это текстовая autoregressive language model размером 7B параметров в квантизированном формате GGUF; конкретная схема квантизации и размер контекстного окна в README не указаны. Квантизация и совместимость с llama.cpp могут упростить локальный запуск и снизить требования к ресурсам, однако README не содержит точных требований к оборудованию и количественной оценки качества. Модель ограничена текстовой модальностью и, как и другие языковые модели, может допускать ошибки. Лицензия обозначена как other с названием seallms; условия использования приведены по ссылке на лицензию SeaLLMs. Перед применением необходимо ознакомиться с ними.

SLIM-RATINGS — компактная специализированная языковая модель из серии SLIM, разработанной llmware и дообученной для вызова функции оценки тональности. Она анализирует текст и выдаёт словарь Python с оценкой от 1 до 5, где меньший балл соответствует более негативной, а больший — более позитивной тональности. Модель предназначена для классификации степени тональности в автоматизированных рабочих процессах, где несколько небольших моделей выполняют отдельные этапы обработки. Это плотная decoder-only модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 1 млрд параметров. Она работает с текстом, использует формат PyTorch и имеет контекст длиной до 2048 токенов. В карточке приведён пример вызова через Transformers и интеграцию с llmware; модель настроена на формирование структурированного результата по заданным ключам. Модель распространяется по лицензии Apache-2.0. Она специализирована на оценке тональности по шкале 1–5 и не предназначена для широкого диалога или произвольной классификации; README не приводит отдельной оценки качества или перечня поддерживаемых языков.

Tulu V2 70B — языковая модель-помощник, разработанная AI2 и дообученная на базе meta-llama/Llama-2-70b-hf на смеси общедоступных, синтетических и созданных людьми данных. Это плотная авторегрессионная модель семейства Llama с 68,7 млрд параметров и контекстом до 8192 токенов. Модель предназначена для диалогов и выполнения инструкций на английском языке: она может отвечать на вопросы, помогать с текстовыми задачами и поддерживать беседу. Для работы следует использовать обученный формат сообщений с нужными разделителями и переводами строк. Модель не проходила выравнивание на безопасные ответы в рамках RLHF и не оснащена фильтрацией ответов, поэтому может выдавать проблемный контент, в том числе по соответствующему запросу. Распространяется по лицензии AI2 ImpACT Low-risk.

YamshadowStrangemerges_32_Strangemerges_32Shadow — объединённая модель семейства Mistral, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/Strangemerges_32Shadow-7B. Она предназначена для генерации текста и имеет 7,1 млрд параметров с контекстом до 32 768 токенов. Модель принимает текст и генерирует текст; репозиторий содержит веса в формате safetensors. Поддерживаемые языки и специальные прикладные области по карточке не установлены. Модель распространяется по лицензии Apache-2.0.

uzlm/alloma-8B-Instruct — инструкционная языковая модель из серии Alloma, разработанная для работы с узбекским языком на основе Meta Llama 3.1 8B Instruct. Модель прошла дополнительное предобучение на 3,6 млрд токенов на узбекских и английских текстах, а затем дообучение на инструкциях. Архитектура Llama сохранена, а токенизатор адаптирован: по данным авторов, он кодирует узбекское слово в среднем примерно 1,7 токена вместо 3,5 у исходного Llama, что может ускорять обработку узбекского текста и эффективнее использовать контекст. В метаданных указаны 7,5 млрд параметров и контекст до 131 072 токенов; README описывает этап дополнительного предобучения с контекстом 4096 токенов. Модель предназначена для диалога и генерации текста на узбекском и английском языках, включая перевод, ответы на вопросы, суммаризацию и простые задачи классификации. Авторы сообщают о преимуществе над базовой моделью в тестах перевода и анализа тональности на узбекском, но также отмечают некоторое снижение результатов на английском MMLU и классификации новостей из-за забывания части исходных навыков следования инструкциям. Для использования в Transformers рекомендуется предварительно заменять апостроф на последовательность APST в узбекском вводе. Модель распространяется по лицензии Llama 3.1.

AlphaMonarch-7B — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная Mlabonne. Модель получена слиянием нескольких моделей семейства Beagle и последующим дообучением методом DPO на наборе предпочтений argilla/OpenHermes2.5-dpo-binarized-alpha; в метаданных базовой моделью указана mlabonne/NeuralMonarch-7B. Модель предназначена для диалогов, следования инструкциям, рассуждений, ролевых сценариев и написания историй. README рекомендует шаблон чата Mistral Instruct и описывает контекст 8 тысяч токенов; метаданные указывают native context в 32 768 токенов. Разрешено текстовое взаимодействие на английском языке. README сообщает о формальном и изысканном стиле ответов, который можно менять инструкциями в запросе. Модель доступна в формате safetensors и распространяется по лицензии CC BY-NC 4.0, ограничивающей коммерческое использование. Заявления README о сравнительных результатах относятся к указанным там бенчмаркам; они не гарантируют качество на других задачах. LLM может выдавать ошибочную или вымышленную информацию.

BgGPT-Gemma-2-27B-IT-v1.0 — большая языковая модель INSAIT, института Софийского университета им. Св. Климента Охридского. Это плотный декодерный трансформер Gemma 2 с 27,6 млрд параметров и контекстом 8192 токена, предназначенный для генерации текста и диалога по инструкциям. Модель основана на Google Gemma 2 27B и Gemma 2 27B IT. Её непрерывно дообучали примерно на 100 млрд токенов, включая 85 млрд болгарских, по стратегии Branch-and-Merge, затем провели инструктивное дообучение на болгарских диалогах. Она рассчитана прежде всего на болгарский язык, сохраняя возможности английского, и подходит для ответов на вопросы, рассуждений, решения задач и генерации текста. При использовании следует применять шаблон чата Gemma 2; Flash Attention может ухудшить качество. Модель распространяется по условиям Gemma Terms of Use.

Chocolatine-2-4B-Instruct-DPO-v2.1 — плотная языковая модель на архитектуре Qwen3, разработанная Jonathan Pacifico и дообученная на базе Qwen/Qwen3-4B-Instruct-2507. В модели 3,7 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 262 144 токенов и работает в режиме без явных цепочек рассуждений. Веса представлены в формате safetensors, библиотека для работы — Transformers. Модель предназначена для диалогов, следования инструкциям и решения задач на французском языке при сохранении возможностей на английском и других языках. В постобучении использованы DPO на французских предпочтениях и слияние моделей методом TIES; автор сообщает об улучшениях на протестированных французских бенчмарках и стабильных результатах на английских. Подходит для локального запуска; доступны отдельные квантованные варианты GGUF и MLX. В README указано, что у модели нет встроенного механизма модерации. Она не формирует явные трассы рассуждений. Лицензия — Apache-2.0.

Crazy-Qwen2-7b — объединённая модель на основе Qwen2-7B, созданная с помощью mergekit. В состав слияния вошли Locutusque/Hercules-5.0-Qwen2-7B, natong19/Qwen2-7B-Instruct-abliterated и macadeliccc/Samantha-Qwen-2-7B; использован метод model_stock, а в конфигурации базовой модели указана natong19/Qwen2-7B-Instruct-abliterated. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и рассчитана на генерацию текста и диалоговое общение. Размер контекста — до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Метаданные описывают модель как экспериментальную модификацию Qwen2-7B-Instruct для диалогов и генерации текста с ослабленными направлениями отказа; это может снижать надёжность отказов на чувствительные запросы.

Darwin-28B-KR — разработанная VIDRAFT мультимодальная модель семейства Darwin с примерно 28 млрд параметров на архитектуре Qwen3_5ForConditionalGeneration с гибридным полным и линейным вниманием. Она предназначена прежде всего для общения, понимания, генерации и рассуждений на корейском языке, а также поддерживает рассуждения на английском. Модель умеет анализировать изображения и видео и формулировать ответы на корейском языке. Модель подходит для корейских вопросов и ответов, задач на рассуждение, письма, суммаризации, творческой генерации, перевода между корейским и английским, а также для анализа визуальных материалов. В README приведено сравнение с другими моделями на корейском тесте CLIcK по выборке из 200 вопросов; результат модели — 0,786. Для инференса указана поддержка Transformers и рекомендуемый запуск через vLLM; для BF16 требуется около 55 ГБ видеопамяти. Это объединение Darwin-27B-KR и Darwin-28B-Opus методом evolutionary merge, с последующей identity tuning. Модель опубликована под лицензией Apache-2.0. В метаданных указаны интерфейс чата и интерфейс вызова инструментов; задачи распознавания изображений и видео не представлены отдельными pipeline-тегами, поэтому главная задача — text-generation.

Eurydice 24b v1c — диалоговая модель Aixon Lab, дообученная на базе mistralai/Mistral-Small-3.1-24B-Instruct-2503 на специально подготовленном наборе данных. Это плотная трансформерная модель семейства Mistral 3.1 примерно на 24 млрд параметров; метаданные указывают поддержку входных изображений и генерацию текста, включая диалог с моделью и анализ изображений. Модель предназначена для многосторонних бесед, творческой генерации и сторителлинга, ответов на вопросы и анализа. В карточке отмечены хорошее понимание контекста и естественный разговорный стиль, однако результаты оценки качества не опубликованы. Поддерживаемый язык — преимущественно английский; возможно, модель работает и с другими языками. Выпускается под лицензией Apache 2.0. Как и базовая модель, она может наследовать смещения и ограничения обучающих данных. Выводы следует проверять, особенно в сценариях, где важна точность.

Experiment28M7_Experiment28Meliodas — объединённая модель для генерации текста, созданная на основе automerger/Experiment28M7-7B и automerger/Experiment28Meliodas-7B. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров; максимальная длина контекста составляет 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Данные не описывают её специализацию по языкам или прикладным областям, поэтому её можно характеризовать только как модель общего назначения. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Garten2-7B — языковая модель общего назначения, разработанная senseable и основанная на дообученной Mistral-7B-v0.1. Она предназначена для генерации текста, диалога и создания контента. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекстное окно 32 768 токенов. В репозитории доступны веса в формате safetensors; библиотека для работы — Transformers. Карточка приводит результаты оценки на бенчмарках рассуждений и понимания текста. Модель поддерживает английский язык. Она распространяется по лицензии Apache-2.0. Карточка не описывает специальные ограничения качества или отдельные прикладные области.

Gemma 1.1 2B IT — компактная языковая модель Google с открытыми весами, построенная на исследованиях и технологиях, использованных для Gemini. Это декодерная трансформерная модель для генерации текста, дообученная следовать инструкциям и вести диалог. Она рассчитана прежде всего на английский язык и подходит для запуска на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Модель можно применять для ответов на вопросы, суммаризации, диалоговых интерфейсов, создания текстов и помощи в обучении языку. Небольшой размер упрощает развёртывание при ограниченных вычислительных ресурсах. При этом ответы могут содержать фактические ошибки и отражать смещения обучающих данных; модель может испытывать трудности со сложными задачами, неоднозначностью и тонкими языковыми нюансами. Лицензия — Gemma; перед использованием следует учитывать условия лицензии и политику запрещённого использования Gemma.

Gemma Ko 7B Instruct v0.41 — разговорная языковая модель, разработанная lemon-mint и дообученная на google/gemma-7b-it. Она предназначена для генерации связного текста на корейском языке и поддерживает английский; подходит для диалогов, перевода, суммаризации и ответов на вопросы. Модель построена на плотной архитектуре GemmaForCausalLM, содержит 8,2 млрд параметров и рассчитана на контекст до 8192 токенов. Для использования доступны веса в формате safetensors через Transformers; модель распространяется по условиям gemma-terms-of-use.

GeRaCl-USER2-base — русскоязычная модель для классификации текста без примеров для заданных классов. Её разработали как часть семейства GeRaCl, дообучив sentence encoder USER2-base; модель содержит 155 млн параметров и использует плотную архитектуру классификатора. При работе пользователь передаёт текст и названия возможных классов, а модель оценивает их и выбирает наиболее подходящий. Модель предназначена для быстрой многоклассовой классификации русских текстов, в том числе по пользовательским категориям. В README приведены результаты на задачах MTEB-rus: среднее значение Mean(task) — 0,65; среди примеров — классификация отзывов Kinopoisk, заголовков и текстов по рубрикам GRNTI и OECD. Это результаты авторской оценки на указанном бенчмарке, а качество на других данных может отличаться. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

GML-Mistral-merged-v1 — плотная языковая модель семейства Mistral, опубликованная пользователем zyh3826. Это объединение моделей quantumaikr/quantum-v0.01 и mncai/mistral-7b-dpo-v5, выполненное методом passthrough с помощью mergekit; веса сохранены в формате safetensors и типе bfloat16. Модель предназначена для генерации текста и принимает текстовые запросы. В метаданных указан размер 8,9 млрд параметров и контекстное окно до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает языки, специальные предметные области или сравнительные результаты, поэтому назначение модели следует считать общим; качество ответов и поддержка конкретных сценариев в предоставленных данных не оценены.