III.4Клиентская поддержка и customer success

Experiment28M7_NeuralsirkrishnaShadow — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/Experiment28M7-7B и automerger/NeuralsirkrishnaShadow-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В карточке указана лицензия Apache-2.0. README и метаданные не описывают специализированные сценарии, языковую поддержку или известные ограничения.

ssmits/Falcon2-8B-Norwegian — текстовая авторегрессионная модель семейства Falcon, созданная слиянием предобученных языковых моделей через mergekit. В README среди объединённых моделей указана ssmits/Falcon2-5.5B-Norwegian; метаданные также связывают модель с этой базовой моделью. Модель предназначена для генерации текста и диалогового использования; каталог также указывает поддержку ответов на вопросы, классификации текста и разметки сущностей. В метаданных указаны 11,8 млрд параметров, контекст до 8192 токенов, архитектура FalconForCausalLM и формат safetensors. Название и базовая модель указывают на ориентацию на норвежский язык. Лицензия в доступных данных не приведена.

French-Alpaca-7B-Instruct-beta — языковая модель на архитектуре Mistral с 7,1 млрд параметров, разработанная Jonathan Pacifico в 2024 году. Она дообучена на базе mistralai/Mistral-7B-Instruct-v0.2 на наборе French-Alpaca-dataset-Instruct-110K, созданном с помощью GPT-3.5-turbo. Модель предназначена для генерации текста и диалоговых инструкций, особенно на французском языке; также в метаданных указана поддержка английского. Для развёртывания доступны веса Safetensors, заявленный контекст — до 32 768 токенов. Модель рассчитана на общее применение и может служить основой для дальнейшей специализации. Автор характеризует её как демонстрацию языкового дообучения 7B-модели, поэтому качество для конкретных задач следует оценивать отдельно. В README указано, что у модели нет механизмов модерации. Лицензия — Apache 2.0.

Granite-speech-3.2-8b — компактная speech-language модель IBM, созданная на базе ibm-granite/granite-3.2-8b-instruct и предназначенная для обработки речи. Она поддерживает автоматическое распознавание речи (ASR) и автоматический перевод речи (AST), прежде всего для английского языка. Модель выпущена 2 апреля 2025 года и ориентирована на корпоративные приложения, работающие с аудиовходами. Модель использует двухпроходную архитектуру: сначала преобразует аудиофайл в текст, после чего отдельным явно инициируемым вызовом обрабатывает транскрипцию базовой языковой моделью. В состав входят речевой энкодер на базе 10 Conformer-блоков с обучением CTC, блочный механизм внимания для аудиофрагментов длительностью 4 секунды и speech projector. Указанный размер базовой языковой модели — 8 миллиардов параметров. Для входа используются монофонические аудиоданные с частотой 16 кГц. Сильными сторонами модели являются компактность, поддержка как распознавания, так и перевода речи, а также возможность перевода с английского на французский, испанский, итальянский, немецкий, португальский, японский и китайский языки. Ограничения включают необходимость выполнять два последовательных вызова, основную ориентацию на английскую речь и отсутствие преимуществ перед специализированными Granite-моделями при работе только с текстом. Модель распространяется по лицензии Apache 2.0.

Модель seongs/ke-t5-base-aihub-koen-translation-integrated-10m-en-to — модель машинного перевода, созданная дообучением KETI-AIR/ke-t5-base разработчиком, указанным в идентификаторе репозитория. Она предназначена для перевода текстов с английского на корейский и построена на архитектуре T5 с классом T5ForConditionalGeneration. Модель содержит 148,3 млн параметров, принимает текстовый ввод, использует контекст до 512 токенов и выдаёт текст. Для обучения использован набор aihub-koen-translation-integrated-base-10m; в карточке приведены BLEU 18,01 после первой эпохи и 18,84 после второй. Модель можно применять в системах перевода с английского на корейский, например для обработки текстов и локализации. Лицензия Apache-2.0.

Модель daliabess7/Llama-3.1-8B-lora-merged — дообученная автором daliabess7 версия текстовой модели Llama 3.1 8B от Meta. Она предназначена для генерации текста; карточка не описывает специализацию или конкретный сценарий дообучения. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Веса опубликованы в формате safetensors, лицензия — Apache 2.0. В README указано, что обучение проводилось с использованием Unsloth и библиотеки TRL для Hugging Face. Метаданные отмечают английский язык, однако дополнительных сведений о языковых возможностях и качестве модели нет.

Llama-3.1-Bonsaikraft-8B-Instruct — диалоговая языковая модель на архитектуре Llama 3.1, созданная автором grimjim слиянием через SLERP двух инструктивных моделей: немецко-английской Llama-3.1-SauerkrautLM-8b-Instruct и японско-английской Llama-3.1-Swallow-8B-Instruct-v0.2. Модель содержит 7,5 млрд параметров и распространяется в формате Safetensors для библиотеки Transformers; заявленная длина контекста — 131 072 токена. Модель предназначена для диалога и генерации текста, объединяя языковые возможности исходных немецко-английской и японско-английской моделей. Её можно использовать для ответов на вопросы, ведения беседы и составления текстов на поддерживаемых языках. Лицензия — Llama 3.1; условия её применения определяются лицензией исходного семейства.

Это инструктивная языковая модель LLM-jp — совместного проекта, запущенного в Японии. Модель построена на архитектуре Llama с плотной трансформерной сетью и содержит 13,2 млрд параметров; она предназначена для генерации текста и диалогового взаимодействия по инструкциям. Модель дообучена на японских и английских инструкционных и диалоговых данных, включая ichikara-instruction, Dolly и OpenAssistant. Она подходит для ответов на вопросы, выполнения текстовых инструкций и ведения диалога на японском и английском языках. Контекст составляет 4096 токенов; для работы используется формат Transformers и библиотека Transformers. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена для надёжного следования человеческим намерениям или требованиям безопасности. Лицензия — Apache-2.0.

Модель tokinasin/llm-jp-4-8b-instruct-uncensored-ara — японско-английская чат-модель, созданная на основе llm-jp/llm-jp-4-8b-instruct с применением метода Arbitrary-Rank Ablation (ARA) для уменьшения числа отказов на запросы. Исходную серию LLM-jp-4 разработал Центр исследований и разработок больших языковых моделей Национального института информатики Японии; эту модификацию опубликовал пользователь tokinasin. Модель предназначена для диалогов и генерации текста по инструкциям на японском и английском языках. Это плотная трансформерная модель семейства Llama примерно на 7,8 млрд параметров с контекстом до 65 536 токенов и форматом safetensors. В README указано, что на тесте из 100 вопросов модифицированная версия отказала в 5 случаях, тогда как исходная — в 99; эти результаты относятся к указанной автором оценке. Снижение числа отказов означает, что модель может отвечать на большее число запросов, но также требует осторожности при использовании и проверки результатов. Лицензия — Apache-2.0.

Loquace-7B-Mistral — италоязычная языковая модель с настройкой на выполнение инструкций, созданная Cosimo Iaia на основе Mistral-7B-Instruct. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов; опубликованные веса представлены в формате safetensors. Для дообучения применялся QLoRA на наборе Loquace-102k. Модель предназначена для ответов на инструкции и вопросы на итальянском языке, в том числе в сценариях генерации с поиском по документам (RAG). Автор отмечает хорошее следование итальянским инструкциям и восприимчивость к prompt engineering. Лицензия — Apache-2.0. Модель может ошибаться, выдавать бессмысленные или фактически неверные ответы, а также испытывать трудности со сложными, неоднозначными и плохо сформулированными запросами; результаты следует проверять.

M1k4ri-7b — объединённая языковая модель от Smuggling1710 для генерации текста. Она создана с помощью LazyMergekit методом slerp из моделей Smuggling1710/M1k4-7b и Smuggling1710/Ak4ri-7b. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и принимает текстовый ввод, генерируя текст. Максимальная длина контекста — 32 768 токенов. Карточка не описывает специализированные области применения, поддерживаемые языки, качество или дополнительные возможности. В репозитории представлены веса Safetensors. Лицензия в предоставленных данных не указана.

MaziyarPanahi/M7Yamshadowexperiment28_AlloyingotneoyExperiment26 — объединённая модель Mistral для генерации текста, созданная путём слияния двух моделей: automerger/M7Yamshadowexperiment28-7B и automerger/AlloyingotneoyExperiment26-7B. Она имеет плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 32 768 токенов. Модель подходит для сценариев генерации текста. В README не описаны специальные предметные области, языки, отдельные возможности чата или результаты оценки качества. Распространяется в формате safetensors по лицензии Apache-2.0.

Magnum v4 12B — модель Anthracite, созданная для генерации текста и диалоговых сценариев с акцентом на качество прозы, сопоставимое с Claude 3 Sonnet и Opus. Это GGUF-квантизации модели; исходные веса доступны в отдельном репозитории. Модель дообучена на базе mistralai/Mistral-Nemo-Instruct-2407 методом полноразмерного fine-tuning. Она предназначена для англоязычных задач text generation, включая чат, написание и редактирование текстов, а также сценарии, где важны выразительность и качество прозы. В обучении использовались наборы данных Anthracite, связанные с диалогами, инструкциями и художественным письмом. Заявлена длина последовательности до 32 768 токенов; поддерживается текстовая модальность. К сильным сторонам относятся специализация на качестве прозы, инструктивный формат и наличие GGUF-квантизаций для локального запуска. README не содержит результатов бенчмарков и подробных сведений о требованиях к ресурсам, поэтому фактическое качество, скорость и эффективность конкретных вариантов квантизации следует оценивать отдельно. Модель распространяется по лицензии Apache-2.0.

Way56/Mai-5B — мультимодальная модель для диалогов и ответов на запросы, созданная слиянием моделей через mergekit. В основу слияния вошла huihui-ai/Huihui-Qwen3.5-4B-Claude-4.6-Opus-abliterated; применён метод DARE TIES, указана точность float16. Архитектура — плотная Qwen3.5 с классом Qwen3_5ForConditionalGeneration. Модель принимает текст и изображения и генерирует текст, поэтому подходит для диалога и ответов на вопросы по изображениям. Базовая модель описана как экспериментальная Qwen3.5-4B с ослабленными отказами. Лицензия, размер контекстного окна и поддерживаемые языки в предоставленных данных не указаны.

Mirza-GEC-Gemma4-E4B-Editor-E3-BF16 — дообученная мультимодальная модель taharmasmaliyev07 на базе unsloth/gemma-4-E4B-it. Она предназначена для диалогового взаимодействия и генерации текста по текстовым и визуальным входам, включая анализ изображений и документов. Модель использует плотную архитектуру Gemma 4 и распространяется в формате safetensors. Модель лицензирована по Apache-2.0. В README указано, что при обучении использовались Unsloth и библиотека Hugging Face TRL; подробности специализированной задачи GEC и редакторского сценария не раскрыты.

Карточка модели taharmasmaliyev07/Mirza-Gemma4-E4B-Editor-E3-BF16 на Hugging Face совпадает с карточкой taharmasmaliyev07/Mirza-GEC-Gemma4-E4B-Editor-E3-BF16, поэтому описание составлено по ней. Mirza-GEC-Gemma4-E4B-Editor-E3-BF16 — дообученная мультимодальная модель taharmasmaliyev07 на базе unsloth/gemma-4-E4B-it. Она предназначена для диалогового взаимодействия и генерации текста по текстовым и визуальным входам, включая анализ изображений и документов. Модель использует плотную архитектуру Gemma 4 и распространяется в формате safetensors. Модель лицензирована по Apache-2.0. В README указано, что при обучении использовались Unsloth и библиотека Hugging Face TRL; подробности специализированной задачи GEC и редакторского сценария не раскрыты.

Mistralic-7B-1 — языковая модель на 7,1 млрд параметров, разработанная SkunkworksAI на архитектуре Mistral и предназначенная для генерации текста. В карточке приведён результат оценки: средний балл 0,72157; для сравнения указаны 0,7116 у mistralai/Mistral-7B-v0.1 и 0,6794 у mistralai/Mistral-7B-Instruct-v0.1. Модель имеет контекст длиной до 32 768 токенов и представлена в формате PyTorch. Карточка не уточняет набор языков, лицензию, обучающие данные или конкретные сценарии применения, поэтому эти характеристики нельзя надёжно определить.

Multi Master 7B — языковая модель, созданная ibivibiv на основе openchat/openchat-3.5-0106. Разработчик дообучил её с помощью LoRA на наборе данных в стиле Alpaca по нескольким дисциплинам, а затем объединил адаптер с основной моделью. Это модель Mistral для генерации текста с поддержкой диалогового режима; для запросов используется шаблон с разделами Instruction и Response. Модель предназначена для ответов на инструкции и задач из разных дисциплин на английском языке. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 8192 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. В README нет результатов бенчмарков: оценить качество и надёжность ответов по представленным данным нельзя.

NeuronAI-Uzbek — открытая языковая модель NeuronUz для генерации текста и диалогов на узбекском языке, а также задач узбекско-английского языка. Она создана на базе Qwen3-4B и дообучена на узбекских и английских текстах и инструкциях; в метаданных указано около 3,7 млрд параметров, а карточка сообщает о расширении словаря до 180 тысяч токенов и контексте в 40 960 токенов. Автор заявляет настройку токенизатора для более компактного представления узбекских текстов и высокие результаты на тесте UzLiB, однако приведённые сравнения основаны на оценке из README. Модель подходит для создания узбекоязычных текстов и чат-ботов, ответов на вопросы, чтения и анализа узбекских материалов, исправления орфографии и грамматики, а также помощи с переводом между узбекским и английским. По архитектуре это плотная модель Qwen3 для причинной генерации текста; доступна в формате safetensors. Лицензия — Apache-2.0. Модель может ошибаться, воспроизводить смещения из обучающих данных и выдавать убедительные, но неверные сведения. Данные обучения имеют дату отсечения знаний; README не приводит её точного значения. Для медицинских, юридических и других критически важных решений требуется проверка человеком.

Ognoexperiment27multi_verse_modelCalmexperiment-7B — автоматически собранная Maxime Labonne объединённая модель на архитектуре Mistral с 7,1 млрд параметров. В README указаны CalmExperiment-7B-slerp и конфигурация слияния DARE-TIES; метаданные связывают модель с allknowingroger/CalmExperiment-7B-slerp. Модель предназначена для генерации текста. Она принимает текст и генерирует текст, с заявленной длиной контекста 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. README не описывает отдельные специализированные сценарии или конкретные языки.

jadasdn/open-ai-small-1 — дообученная версия мультиязычной модели распознавания речи Whisper Small от OpenAI. Модель предназначена для преобразования аудио речи в текст; в метаданных указаны архитектура Whisper и 153,1 млн параметров. Карточка сообщает результат оценки: WER 26,8582 и loss 0,3844, однако без описания набора данных и протокола оценки эти значения трудно интерпретировать. Модель принимает аудио и выдаёт текст. Она основана на openai/whisper-small и опубликована в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. Сведения о целевых языках и конкретной области применения дообучения не приведены.

OpenBuddy-Mixtral-22B-x8-Preview0-65k — предварительная многоязычная чат-модель OpenBuddy на архитектуре Mixtral с 22,1 млрд параметров. Она предназначена для диалогов и генерации текста; заявлены поддержка девяти языков и контекст до 65 536 токенов. Модель основана на Mixtral 8x22B и выпущена как версия, готовая примерно наполовину: авторы предупреждают, что она ещё не оптимизирована для общих разговорных задач. Для запуска рекомендуется быстрый токенизатор Transformers; README также упоминает возможность развертывания через vLLM. Лицензия — Apache 2.0. Модель может выдавать ошибочные, вредные или оскорбительные ответы. Не следует полагаться на неё в медицинских, финансовых и юридических решениях или в других критически важных сценариях.

Ornith-Agents-A1-3.7-35B-A3B-dare_ties_v3 — мультимодальная модель для диалогов и анализа изображений, созданная объединением предварительно обученных моделей с помощью mergekit и метода DARE TIES. В слияние вошли deepreinforce-ai/Ornith-1.0-35B и InternScience/Agents-A1, а Qwen/Qwen3.6-35B-A3B использована как базовая модель. Модель построена на архитектуре Qwen 3.5 MoE и распространяется в формате safetensors. Модель принимает текст и изображения и генерирует текст; метаданные указывают на поддержку чата и vision-задач, а основной тег Hugging Face — image-text-to-text. Лицензия в предоставленных данных не указана.

primeline/parakeet-primeline — модель автоматического распознавания речи, представленная Primeline и предназначенная прежде всего для точной транскрипции немецкой речи. Она основана на архитектуре NVIDIA Parakeet TDT 0.6B v3 и использует FastConformer-энкодер с Token-and-Duration Transducer-декодером; в карточке указано около 600 млн параметров. Модель принимает монофонический звук с частотой 16 кГц и выдаёт текст с пунктуацией и заглавными буквами, а также поддерживает временные метки слов. Модель рассчитана на транскрибирование немецкой речи, включая дикторскую речь и разговоры, создание субтитров, расшифровку встреч и анализ звонков. В README также заявлена поддержка длинных аудиозаписей и адаптации словаря через внешние KenLM n-граммные языковые модели. Метаданные указывают немецкий язык и задачу automatic-speech-recognition; README называет модель мультиязычной на базе Parakeet, но основной акцент делает на немецком. Карточка сообщает о более низком WER на приведённых тестах по сравнению с базовой моделью и Whisper large v3, однако результаты представлены самим автором и зависят от набора данных и условий записи. Распознавание может ухудшаться при шуме, сильных акцентах и редкой специализированной лексике. Модель доступна по лицензии CC BY 4.0.

Pumatic English-Polish Translation Model — модель машинного перевода pumad для перевода с английского на польский. Она построена на архитектуре MarianMT типа encoder-decoder и обучена с нуля; для неё также с нуля создан токенизатор SentencePiece unigram с размером словаря 32 000. В метаданных указано около 100,1 млн параметров и контекст 512 токенов, тогда как README сообщает около 157 млн параметров. Модель обучалась на параллельных корпусах OPUS-100, Europarl и UN Parallel Corpus. Она предназначена для общего перевода, в том числе формального письменного текста; заявлена демонстрация и API. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README отмечает, что качество специализированной терминологии может различаться, разговорные выражения переводятся менее точно, а для оптимальных результатов вход рекомендуется разбивать на фрагменты примерно до 400 символов.

khaimaitien/qa-expert-7B-V1.0 — дообученная модель на базе mistralai/Mistral-7B-v0.1, созданная для многошагового ответа на вопросы. Она разбивает составной вопрос на последовательность простых вопросов, обрабатывает их по отдельности и объединяет сведения в итоговый ответ. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекстное окно 32 768 токенов. Модель предназначена для сценариев, где ответ требует последовательного поиска и объединения нескольких фактов. В карточке указано дообучение на наборе khaimaitien/qa-expert-multi-hop-qa-V1.0; файлы представлены в формате safetensors. Заявленный язык — английский. Лицензия в предоставленных данных не указана.

SauerkrautLM 7B HerO GGUF — квантизированная версия языковой модели SauerkrautLM 7B HerO, разработанной VAGO solutions и преобразованной в формат GGUF пользователем TheBloke. Модель основана на архитектуре Mistral и предназначена для генерации текста и диалоговых сценариев. Модель содержит около 7 миллиардов параметров, работает с текстом и ориентирована на английский и немецкий языки, включая немецкоязычные приложения. Для взаимодействия используется шаблон ChatML с ролями system, user и assistant. Формат GGUF поддерживается llama.cpp и рядом локальных интерфейсов и библиотек, что позволяет запускать модель на CPU и GPU; доступны варианты квантизации от 2 до 8 бит. К сильным сторонам относятся локальный запуск, поддержка CPU+GPU-инференса, несколько уровней квантизации для выбора компромисса между качеством, скоростью и потреблением памяти, а также ориентация на немецкий язык. Ограничения включают возможную потерю качества при низкой разрядности квантизации, отсутствие заявленной поддержки изображений и других немультимедийных данных, а также отсутствие в README сведений о размере контекста, результатах тестирования и специальных прикладных навыках. Модель распространяется по лицензии Apache-2.0.

Surogate-3.5-2B — двуязычный ассистент с приоритетом румынского языка, разработанный Invergent. Модель построена на архитектуре Qwen3.5 и предназначена для диалогов с текстом и изображениями, следования инструкциям, рассуждений и решения математических задач. Поддерживает шаблон чата Qwen3.5, вызов инструментов через совместимые средства и режим с явной цепочкой рассуждений на румынском и английском языках. Модель оптимизирована для румынского языка, включая орфографическую корректность; английский также поддерживается, но качество может меняться в зависимости от задачи. Ограничения размера 2B проявляются в глубине фактических знаний и надёжности сложных рассуждений; возможны орфографические, логические и фактические ошибки. Факты, вычисления и советы с серьёзными последствиями требуют независимой проверки. Лицензия — Apache-2.0.

Swallow-7b-instruct-hf — инструктивная языковая модель TokyoTech-LLM на архитектуре Llama 2. Команда продолжительно предобучила базовую модель семейства Llama 2 на корпусах с дополнительными японскими данными, а затем выполнила supervised fine-tuning. Модель содержит 6,7 млрд параметров, использует расширенный японский словарь токенизатора и принимает контекст до 4096 токенов. Модель предназначена для генерации ответов по инструкциям на японском и английском языках, вопросов и ответов, суммаризации, рассуждений и перевода между японским и английским. В опубликованных оценках Swallow-7B показала улучшение относительно Llama 2 7B на ряде японских задач, тогда как на приведённых английских тестах результаты были ниже. Для использования доступны веса в формате safetensors через Transformers; лицензия — Llama 2. Авторы предупреждают, что модели находятся на раннем этапе исследований и разработки и не настроены для надёжного следования человеческим намерениям и требованиям безопасности. Следует учитывать вероятность ошибочных или небезопасных ответов и условия лицензии Llama 2.

WindyTranslate/translate-en-nl — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с английского на нидерландский. Это дообученная версия Helsinki-NLP/opus-mt-en-nl: авторы применили LoRA к параллельным текстам и объединили адаптер с базовыми весами. Модель построена на архитектуре MarianMT, содержит 59,5 млн параметров и распространяется в формате safetensors для Transformers; длина контекста — 512 токенов. Модель рассчитана на автоматический перевод текста в одном направлении — с английского на нидерландский. В тесте на 48 предложениях FLORES-200 dev указаны chrF++ 57,82 и BLEU 32,83; это скрининговая оценка, а не результат публикационного исследования. Модель распространяется по лицензии Apache-2.0.