III.4Клиентская поддержка и customer success

llm-book/bert-base-japanese-v3-marc_ja — модель для анализа тональности японских текстов, разработанная сообществом llm-book. Она создана дообучением cl-tohoku/bert-base-japanese-v3 на наборе MARC-ja из JGLUE и предназначена для классификации отзывов и других текстов по тональности. Модель построена на архитектуре BERT, содержит 138,4 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метку класса с оценкой уверенности. Модель подходит для автоматического определения положительной или отрицательной тональности японских отзывов и для учебных экспериментов по анализу тональности с Transformers. Репозиторий содержит веса PyTorch и опубликован по лицензии Apache 2.0. Карточка демонстрирует классификацию примера текста как положительного.

Bielik-1.5B-v3-Instruct — генеративная языковая модель SpeakLeash и центра ACK Cyfronet AGH с архитектурой causal decoder-only и примерно 1,6 млрд параметров. Это инструкционно дообученная версия Bielik-1.5B-v3, обученная преимущественно на польских текстах и настроенная для диалогов, в том числе многоходовых. Модель принимает текст и генерирует ответы на польском языке; для общения использует формат ChatML. Модель предназначена для ответов на вопросы, диалогов и других языковых задач на польском. В карточке описаны обучение на более чем 19 млн инструкций и настройка предпочтений методом DPO-Positive. Лицензия — Apache 2.0. Модель может выдавать фактически неверные, предвзятые или оскорбительные ответы и не имеет встроенных механизмов модерации. Разработчики характеризуют её как демонстрацию возможностей дообучения базовой модели; перед использованием в приложениях с требованиями к достоверности или безопасности ответы следует проверять.

Карточка модели unsloth/codellama-7b на Hugging Face совпадает с карточкой unsloth/gemma-2b-it, поэтому описание составлено по ней. unsloth/gemma-2b-it — разговорная версия модели Gemma, размещённая Unsloth. Это плотная авторегрессионная языковая модель класса GemmaForCausalLM с 2,5 млрд параметров, предназначенная для генерации текста в диалоге и продолжения текста. Метаданные указывают поддержку чата, английский язык и контекст до 8192 токенов; модель распространяется в формате safetensors и использует библиотеку Transformers. Модель подходит для создания диалоговых помощников, генерации ответов и текстовых прототипов. README Unsloth описывает шаблоны для conversational-обучения, включая ShareGPT ChatML и Vicuna, и указывает, что их ноутбуки позволяют дообучать и экспортировать модели; это относится к инструментарию Unsloth, а не подтверждает дополнительное обучение именно данного чекпойнта. Лицензия модели — Apache-2.0. Карточка не приводит результатов оценивания качества или конкретных ограничений применения, поэтому пригодность для заданной задачи следует проверять отдельно. Английский указан как язык карточки и тег модели; поддержка других естественных языков не подтверждена.

DAML4_TLDR_Generator — компактная модель T5, дообученная на базе google-t5/t5-small. Она предназначена для создания кратких пересказов текста (TL;DR) в сценариях, где нужно быстро получить короткое резюме. Модель содержит 38,5 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает текст с контекстом до 512 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. В README указана оценка Loss 2,4928 на тестовой выборке, но датасет, методика оценки и практическое качество резюмирования не описаны.

flammen20-mistral-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, разработанная Flammen. Она создана на основе flammenai/flammen19X-mistral-7B и дообучена методом Direct Preference Optimization на датасете flammenai/Date-DPO-v1; в карточке также упоминается слияние предварительно обученных моделей. Модель предназначена для ролевых диалогов, творческого письма и задач общего назначения, связанных с генерацией текста. Модель использует библиотеку Transformers, веса опубликованы в формате safetensors, максимальная длина контекста составляет 32 768 токенов. В README отдельно упомянуто обучение с LoRA на A100 в Google Colab. Лицензия — Apache-2.0. Карточка не приводит сведения о поддерживаемых естественных языках или специальные меры безопасности.

Ghost 7B v0.9.1 — ранняя версия разговорной языковой модели, разработанная автором проекта Ghost на основе Mistral 7B. Модель дообучена методом QLoRA с последующим объединением весов; по описанию, обучающие данные объёмом около 150 МБ преимущественно вьетнамские, остальные — английские. Она использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в формате чат-ассистента, ответов на вопросы и многоязычных диалогов на вьетнамском и английском языках. Автор отмечает возможности рассуждения и приводит результаты бенчмарков, включая VMLU, однако характеризует выпуск как ранний и описывает проект как личную исследовательскую работу с ограниченными ресурсами. Для вьетнамского языка возможны пропуски диакритических знаков, сокращения и сленг; качество зависит от системного промпта. Лицензия — MIT.

GLM-5.3-FlashX — высокоскоростной вариант GLM-5.3-Flash от Z.ai. Это нативная мультимодальная модель на гибридной архитектуре разреженного и линейного внимания; заявленная скорость генерации достигает 200 токенов в секунду. Модель предназначена для мультимодальных сценариев, классифицированных в каталоге как image-text-to-text. Доступные сведения не раскрывают конкретные поддерживаемые языки, размер модели, длину контекста или условия лицензии, поэтому эти характеристики здесь не уточняются.

djuna/L3-Suze-Vume — слитая языковая модель семейства Llama, созданная с помощью mergekit методом DARE TIES на основе kromeurus/L3.1-Ablaze-Vulca-v0.1-8B с включением Casual-Autopsy/L3-Super-Nova-RP-8B и TheDrummer/Llama-3SOME-8B-v2. Модель имеет плотную архитектуру LlamaForCausalLM и 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалогов, в том числе творческих и ролевых сценариев. Она принимает текст и выдаёт текст; карточка отмечает разговорный режим. Для семейства исходной модели указаны сценарии написания историй, суммаризации и эмоционально окрашенных ответов. В репозитории представлены веса Safetensors для Transformers. Лицензия в предоставленных сведениях не указана, поэтому условия использования определить нельзя. Качество именно этого слияния и его ограничения в карточке не описаны.

Модель atsuki-yamaguchi/Llama-3.1-8B-Instruct-ta-madlad-mean-tuned — языковая модель семейства Llama 3.1, разработанная на основе Meta Llama 3.1 8B Instruct и адаптированная для тамильского языка. Она сохраняет плотную архитектуру LlamaForCausalLM и содержит около 7,5 млрд параметров; для неё заявлен контекст до 131 072 токенов. Модель непрерывно предобучали на 500 млн тамильских токенов из MADLAD-400 и расширили словарь на 10 тыс. единиц. Веса новых эмбеддингов и выходного слоя инициализировали средним значением. Модель предназначена для диалогов и генерации текста на тамильском языке; метаданные также указывают интерфейс для вызова инструментов. Для использования требуются Transformers и соблюдение условий Llama 3.1 Community License Agreement. Карточка описывает адаптацию к тамильскому языку, но не приводит сравнительных оценок качества; возможности базовой модели могут зависеть от языка и сценария применения.

Bllossom/llama-3.2-Korean-Bllossom-AICA-5B — мультимодальная разговорная модель, разработанная MLPLab при SeoulTech совместно с Teddysum и Yonsei University при поддержке AICA. Она основана на архитектуре mllama и предназначена для диалога с изображениями и без них, включая задачи рассуждения, математики и письма на корейском языке. В репозитории указаны веса в формате safetensors и лицензия Llama 3.2. В карточке приведены результаты LogicKor для рассуждений, математики и письма, а также для диалогов в одном и нескольких ходах. Разработчики сообщают, что не использовали данные бенчмарков KMMLU, KoBEST и LogicKor для обучения или тестирования. Размер модели и длина контекста в доступных сведениях не указаны.

Llama3-Omphalos-12B — объединённая модель на архитектуре Llama, созданная автором репозитория с помощью LazyMergekit на основе bluuwhale/L3-SthenoMaidBlackroot-8B-V1 и Casual-Autopsy/L3-Umbral-Mind-RP-v1.0-8B. Модель содержит 11,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и чат-диалогов; базовые модели ориентированы на ролевые диалоги и написание историй. В репозитории указаны веса Safetensors. Лицензия в предоставленных данных не указана.

mesolitica разработала эту инструкционную модель семейства Llama 2 с 6,6 млрд параметров, полученную полным дообучением на наборе инструкций на малайском языке. Модель использует шаблон диалога Llama 2 Chat и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов на инструкции и диалоговых запросов на малайском языке, в том числе с длинным контекстом. Опубликована в формате Safetensors; метаданные указывают библиотеку Transformers. Лицензия в предоставленных источниках не указана.

marefa-nlp/marefa-mt-en-ar — модель машинного перевода, разработанная проектом موسوعة المعرفة (Marefa Encyclopedia), для перевода с английского на арабский. Она построена на архитектуре MarianMT, содержит 57,3 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель обучена для английско-арабского перевода и поддерживает дополнительные арабские буквы, например پ и گ, чтобы передавать особенности произношения английских звуков. Для использования нужны Transformers и SentencePiece. Модель распространяется по лицензии Apache-2.0; карточка не приводит оценок качества или подробных ограничений.

BangorAI/Mistral-7B-Cymraeg-Welsh-v2 — двуязычная разговорная модель Mistral для генерации ответов и выполнения инструкций на валлийском и английском языках. Она основана на BangorAI/mistral-7b-cy-epoch-2: базовую Mistral-7B-v0.1 непрерывно предварительно обучали на валлийских данных из MADLAD-400, затем модель дообучили на yahma/alpaca-cleaned на валлийском и английском. В репозитории указаны 7,1 млрд параметров, архитектура Mistral с плотной сетью, контекст 32 768 токенов и формат весов safetensors. Модель предназначена для диалогов и ответов на пользовательские инструкции; язык системного запроса помогает задать язык ответа. Для работы следует использовать формат запросов в стиле Llama 2, описанный в карточке. Автор характеризует модель как экспериментальную и предупреждает, что ответы могут быть фактически неверными. Лицензия репозитория — Apache-2.0; данные MADLAD-400 распространяются по лицензии ODC Attribution.

mistral-indo-7b — языковая модель на архитектуре Mistral, дообученная автором sarahlintang на наборе инструкций на индонезийском языке. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации ответов в формате диалога по шаблону «### Human: … ### Assistant: …». Указанная длина контекста — 32 768 токенов. Модель подходит для ответов на инструкции и вопросов на индонезийском языке. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

OpenThaiGPT 13b 1.0.0 — чат-модель команды OpenThaiGPT на базе LLaMA 2, дообученная следовать инструкциям на тайском языке. Модель содержит 12,9 млрд параметров и поддерживает контекст длиной до 4096 токенов; карточка также указывает поддержку английского языка. Для диалога используется формат запросов на основе Llama 2 с небольшим изменением шаблона. Модель предназначена для многоходовых бесед на тайском языке, ответов на вопросы и генерации текста. В карточке заявлена пригодность для сценариев RAG, где модель формирует ответы с предоставленным контекстом. Разработчики сообщают о предобучении на тайском корпусе и дообучении более чем на миллионе примеров инструкций; сравнительные результаты приведены для тайских экзаменов. Доступны веса safetensors и GGUF F16. Модель распространяется по лицензии Llama 2. Её контекстное окно ограничено 4096 токенами, а для запуска 13-миллиардной версии требуется значительная видеопамять, особенно в формате FP16.

Helsinki-NLP/opus-mt-fr-es — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с французского на испанский и подходит для перевода отдельных фраз и документов. Модель построена на архитектуре MarianMT с трансформером и выравниванием; использует нормализацию и токенизацию SentencePiece. Веса доступны в форматах PyTorch и TensorFlow. В README приведены оценки BLEU от 31,6 до 34,3 и chr-F от 0,583 до 0,601 на нескольких тестовых наборах новостных переводов. Модель содержит 63,5 млн параметров, а её контекст составляет 512 токенов. Она обучалась на данных OPUS. Лицензия Apache-2.0 разрешает коммерческое и некоммерческое использование с соблюдением её условий. Направление перевода ограничено французским на испанский; приведённые оценки относятся к новостным тестовым наборам и не гарантируют аналогичного качества в других областях.

Карточка модели google/pegasus-wikihow на Hugging Face совпадает с карточкой google/pegasus-xsum, поэтому описание составлено по ней. google/pegasus-xsum — англоязычная модель Pegasus для генерации кратких пересказов, основанная на архитектуре кодировщика-декодировщика и разработанная Jingqing Zhang, Yao Zhao, Mohammad Saleh и Peter J. Liu; карточку поддерживает @sshleifer. Модель содержит 366,8 млн параметров, принимает текст и выдаёт текст. Её основная специализация — абстрактная суммаризация, в частности создание короткого пересказа по исходному тексту; в материалах карточки приведены результаты на XSum, CNN/DailyMail и других наборах данных. При предобучении использовались C4 и HugeNews, смешанные и стохастически выбранные предложения-заполнители, а также изменённый SentencePiece-токенизатор с поддержкой символа новой строки. Заявленная длина контекста — 512 токенов. Доступны веса в форматах PyTorch, TensorFlow и Flax. Карточка не сообщает об ограничениях помимо длины контекста. Лицензия в предоставленных данных не указана.

gechim/phobert-base-v2-finetuned — дообученная модель классификации последовательностей на основе PhoBERT-base-v2, вьетнамского RoBERTa-энкодера. Модель содержит 162,4 млн параметров, принимает текст и выдаёт метки классов. Максимальный указанный контекст — 258 токенов. Модель предназначена для классификации текстов на вьетнамском языке. На тестовой выборке указаны accuracy 0,9593 и F1 0,9594; набор данных и конкретная схема меток не описаны. Лицензия в предоставленных данных не указана.

faysal725/product-review-sentiment-classifier — классификатор тональности отзывов о товарах, разработанный на основе SetFit и paraphrase-mpnet-base-v2. Он относит текст отзыва к одному из двух классов: положительный или отрицательный, и выдаёт калиброванную оценку уверенности. Модель предназначена для анализа отзывов покупателей, мониторинга обратной связи и группировки мнений по тональности. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и принимает текст на английском языке. По README, её обучали методом SetFit на 256 примерах с контрастивным обучением; калибровку оценок выполняли методом Platt scaling. На сбалансированной подвыборке Amazon Reviews Binary заявлены accuracy 91,2%, F1 0,913 и Brier score 0,079. Контекстное окно — 514 токенов. Лицензия модели — MIT.

soumitsr/smolLM2-article-digestor — дообученная автором soumitsr компактная языковая модель семейства Llama на базе unsloth/SmolLM2-135M. Она предназначена для генерации текста в диалоговом формате; название репозитория указывает на применение для краткого пересказа статей, однако README не описывает отдельную процедуру или качество суммаризации. Модель содержит 361,8 млн параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 16 384 токенов. Обучение выполнено с Unsloth и TRL. Указана лицензия Apache-2.0.

T3Q-LLM2-sft1.2 — разговорная языковая модель на архитектуре Llama, опубликованная в формате safetensors и рассчитанная на генерацию текста. По метаданным, модель содержит 10,6 млрд параметров, использует библиотеку Transformers и имеет контекст до 4096 токенов. Карточка содержит результаты оценки на корейских наборах KoBEST BoolQ и COPA, что указывает на проверку понимания текста и рассуждений на корейском языке. Модель можно применять для диалогов, ответов на вопросы и генерации текста. README автоматически сгенерирован и не сообщает разработчика, базовую модель, лицензию, языки обучения или специальные ограничения; поэтому происхождение и условия распространения по карточке установить нельзя.

mrm8488/t5-small-finetuned-text-simplification — модель T5-small, дообученная автором mrm8488 на наборе wiki_auto_asset_turk для упрощения текста. Она преобразует исходные формулировки в более простые и предназначена для сценариев, где нужно сделать текст легче для чтения. Модель содержит 38,5 млн параметров, использует архитектуру T5 для генерации текста по текстовому входу и имеет контекст длиной до 512 токенов. В README приведены результаты оценки на тестовой выборке: Loss 0,1217 и F1 ROUGE-2 0,4616. Модель распространяется с лицензией Apache-2.0. Карточка не описывает ограничения применения или целевые языки; название датасета само по себе не позволяет надёжно установить язык выходного текста.

Take-7B — языковая модель на 7,1 млрд параметров, созданная Manual-Dataset-Creation-Project. Это плотная модель семейства Qwen2, построенная на Qwen/Qwen2.5-7B и дообученная следовать инструкциям на наборе oasst2; в метаданных указан японский язык и датасет llm-jp/oasst2-33k-ja. Модель предназначена для диалоговой генерации текста и ответов на запросы на японском языке. Она работает через Transformers, поддерживает контекст до 131 072 токенов и имеет интерфейс для вызова инструментов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Качество ответов, покрытие тем и точность работы с инструментами в карточке не оценены; как и другие языковые модели, она может выдавать фактически неверные ответы.

Windstorm Labs публикует эту модель машинного перевода с английского на китайский. Это дообученная версия Helsinki-NLP/opus-mt-en-zh на архитектуре MarianMT с 58,4 млн параметров; LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель принимает текст и выдаёт перевод, максимальная длина контекста — 512 токенов. Модель предназначена для перевода английских фраз и текстов на китайский. В проверке на 48 предложениях FLORES-200 dev она набрала chrF++ 23,06 и BLEU 3,55; авторы относят результат к ограниченному диапазону и подчёркивают, что это предварительная оценка, а не результат публикационного исследования. Поддерживается только направление en→zh. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0.

Tsunami-1.0-7B-Instruct — инструктивная языковая модель для тайского языка, созданная Pollakrit Lorprasertkul дообучением Qwen2.5-7B на тайских данных. Она предназначена для диалогов и генерации текста по инструкциям; в карточке заявлен шаблон ChatML. Модель построена на архитектуре Qwen2, содержит 7,1 млрд параметров и поддерживает контекст длиной до 131 072 токенов. Метаданные также отмечают интерфейс для вызова инструментов. Модель принимает текст и генерирует текст. Указаны тайский и английский языки, при этом основное назначение — работа на тайском. Репозиторий распространяет веса в формате safetensors по лицензии Apache-2.0. Данных о сравнительных оценках качества в карточке нет.

typhoon-7b-Mistral-7B-Instruct-v0.1 — чат-модель для генерации текста, созданная слиянием Mistral-7B-Instruct-v0.1 и scb10x/typhoon-7b методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом 32 768 токенов; веса представлены в формате safetensors. Модель предназначена для диалогов и ответов на инструкции, в первую очередь на тайском языке. Слияние сочетает базовую инструктивную модель Mistral с typhoon-7b. Модель принимает текст и генерирует текстовые ответы. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит результаты оценок качества или подробные ограничения; качество ответов может зависеть от языка и формулировки запроса.

SaketR1/uncertainty-sft-correct-ambiguous-mixed-clear — дообученная компанией SaketR1 мультимодальная модель семейства Qwen3.5 с 2 млрд параметров, основанная на Qwen/Qwen3.5-2B. Обучение выполнено с помощью TRL; в метаданных указаны архитектура Qwen3_5ForConditionalGeneration и формат safetensors. Модель предназначена для диалогов с текстом и изображениями. Название и README указывают на настройку для работы с неоднозначностью и неопределённостью, однако карточка не описывает обучающие данные, конкретные методы или подтверждённые показатели качества. Метаданные Hugging Face указывают задачу image-text-to-text и возможности chat и vision. Лицензия в предоставленных данных не указана.

infCapital/viet-llama2-ft — языковая модель семейства LLaMA 2, разработанная infCapital на основе чат-модели LLaMA 2 с 7 млрд параметров. В карточке указано расширение словаря до 44 800 токенов для работы с вьетнамским языком. По метаданным это плотная авторегрессионная архитектура LlamaForCausalLM в формате PyTorch; размер составляет 6,7 млрд параметров, контекст — 4096 токенов. Модель прошла продолженное предварительное обучение на 2 млрд вьетнамских токенов из новостного корпуса VnNews, книг vnthuquan и вьетнамской Википедии, а затем дообучение на датасете infCapital/viet-llama2-ft-tiny и других наборах инструкций, переведённых на вьетнамский язык. Она предназначена для генерации текста и диалоговых ответов на вьетнамском языке. Лицензия в предоставленных данных не указана.

Violet_Twilight-v0.2 — разговорная языковая модель Epiculous, полученная слиянием SLERP моделей Azure_Dusk-v0.2 и Crimson_Dawn-v0.2. Она предназначена для генерации текста в диалоге и ролевых сценариях; для общения используется шаблон ChatML. Модель построена на плотной архитектуре Mistral и содержит 12,1 млрд параметров. Заявленный размер контекста — 1 024 000 токенов. Поддерживаются английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. В README приведены результаты Open LLM Leaderboard, включая среднюю оценку 18,53, IFEval и BBH, но они сами по себе не гарантируют качество в конкретных сценариях. Модель распространяется под лицензией Apache-2.0. Карточка также описывает варианты квантования и настройки сэмплирования, однако опубликованные веса указаны в формате safetensors.