III.4Клиентская поддержка и customer success

VirtuosoSmall-InstructModelStock — объединённая языковая модель на базе Qwen2, созданная сообществом mergekit-community методом Model Stock. В слиянии использованы arcee-ai/Virtuoso-Small как базовая модель, а также Rombos-LLM-V2.6-Qwen-14b, Qwen2.5-Lumen-14B и miscii-14b-1028. Модель содержит 14 млрд параметров, работает через Transformers и предназначена для генерации текста в диалоговом формате, включая ответы на инструкции. Заявленная длина контекста — 131072 токена. Карточка указывает формат safetensors; лицензия и конкретные языки использования в предоставленных данных не приведены.

Waktaverse-Llama-3-KO-8B-Instruct — корейская диалоговая языковая модель команды Waktaverse AI, дообученная на основе meta-llama/Meta-Llama-3-8B-Instruct. Модель с плотной архитектурой Llama содержит 7,5 млрд параметров, принимает текст и генерирует текст; контекст — до 8192 токенов. Основные языки — корейский и английский. Для улучшения ответов на корейском разработчики рекомендуют задавать системный промпт на корейском языке. Модель подходит для выполнения инструкций, продолжения текста, суммаризации и ответов на вопросы, в том числе по коммерческим текстам на корейском языке из обучающего набора KoCommercial-Dataset. Для запуска можно использовать Transformers. Лицензия — Llama 3. Как и другие языковые модели, она может воспроизводить смещения из обучающих данных, ошибаться на необычных запросах и неверно понимать культурный контекст. Разработчики не рекомендуют применять её для решений с высокими ставками в медицине, праве и критически важных для безопасности сценариях.

WebSquareAI-Instruct-llama-3-8B-v0.5.39 — диалоговая языковая модель, разработанная командой UI Platform компании Inswave Systems. Она предназначена для генерации текста в формате инструкций и диалогов; карточка указывает базовую модель meta-llama/Meta-Llama-3-8B. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Вес опубликован в формате safetensors. Модель можно применять для диалоговых интерфейсов и генерации ответов по текстовым инструкциям. Данных о специализированной предметной области и конкретных ограничениях качества в карточке нет. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

WestBeagle-7B — объединённая модель для генерации диалогового текста, созданная с помощью LazyMergekit путём слияния mlabonne/NeuralBeagle14-7B и FelixChao/WestSeverus-7B-DPO-v2. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; веса опубликованы в формате safetensors. Модель предназначена для чат-ботов и генерации ответов на текстовые запросы. Контекстное окно составляет 32 768 токенов. В README приведены результаты Open LLM Leaderboard: среднее значение 75,22, включая 72,27 на AI2 Reasoning Challenge и 88,29 на HellaSwag. Модель лицензирована по CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не сообщает о специальных гарантиях качества или других ограничениях применения.

xDAN-SlimOrca — объединённая модель генерации текста на архитектуре Mistral, опубликованная Azazelle. Она создана методом Slerp merge из xDAN-L1-Chat-RL-v1 и mistral-7b-slimorcaboros; в конфигурации слияния базовой моделью указана mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации ответов и диалогового текста, сочетая свойства двух исходных моделей. В карточке приведены результаты оценок на AI2 Reasoning Challenge и HellaSwag. Веса доступны в формате safetensors, лицензия — CC BY 4.0.

YamshadowInex12_OgnoExperiment27 — слитая языковая модель на базе двух моделей: automerger/YamshadowInex12-7B и automerger/OgnoExperiment27-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; веса опубликованы в формате Safetensors. Модель предназначена для генерации текста и диалогов по текстовым запросам. Контекст составляет до 32 768 токенов, что позволяет работать с длинными запросами и документами. Модель размещена под лицензией Apache-2.0.

YamshadowStrangemerges_32_Inex16Calme — слитая модель семейства Mistral, объединяющая automerger/YamshadowStrangemerges_32-7B и automerger/Inex16Calme-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалоговых ответов; заявленная длина контекста составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. В карточке не приведены сведения о языковой специализации или конкретных ограничениях качества; применимость следует оценивать для своего сценария.

Это языковая модель семейства Llama, дообученная dhanushkgowda на основе unsloth/llama-3.2-3b-instruct-bnb-4bit. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 3,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст; заявленная длина контекста — 131072 токена. Для обучения применялись Unsloth и библиотека TRL. Лицензия — Apache 2.0.

AgentMercury-Qwen3.5-35B-A3B-SAO — это контрольная точка Qwen3.5-35B-A3B, дообученная Minbyul с помощью агентного обучения с подкреплением для работы с инструментами через MCP. Модель использует архитектуру Qwen3.5-MoE; в репозитории представлены веса safetensors для Transformers. По данным метаданных, базовая модель содержит 35 млрд параметров, из которых 3 млрд активны. Модель принимает текстовые запросы и выдаёт текстовые ответы с вызовами инструментов. Она предназначена для автономного выполнения многошаговых задач в синтетических корпоративных средах: искать сведения в почте, чатах, календарях, хранилищах, CRM и других сервисах, а затем создавать, изменять или удалять записи. Обучение основано на одном rollout на запрос и обучаемом критике; автор сообщает об улучшении доли выполненных действий на обучающих средах, но не приводит оценки на отложенном бенчмарке. Модель рассчитана прежде всего на англоязычную работу с инструментами; общие языковые и мультимодальные свойства унаследованы от базовой модели, но этот экспорт обозначен как текстовый. Это промежуточная контрольная точка на шаге 159 из запланированных 200, поэтому обучение не было завершено. Ответы могут быть длинными, а качество вне англоязычных корпоративных сценариев с инструментами зависит от базовой модели. Лицензия — Apache-2.0.

agiin-13.6B-v0.0 — диалоговая языковая модель MindsAndCompany на архитектуре семейства Mistral, содержащая 13,7 млрд параметров. По карточке, модель предварительно обучена, настроена для следования инструкциям и дополнительно обучена методом DPO; для запуска указана библиотека Transformers, а веса доступны в формате safetensors. Модель предназначена для генерации ответов в чате и выполнения текстовых запросов. В примере карточки приведён вопрос на корейском языке, однако в метаданных указан английский язык. Модель имеет контекстное окно 4096 токенов и распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных ограничений; возможности за пределами текстовой генерации не заявлены.

AxeronAI создала axeron-mf-44 — языковую модель для генерации текста, полученную слиянием Qwen/Qwen2.5-3B и Qwen/Qwen2.5-3B-Instruct методом SLERP с коэффициентом t=0,5. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 3,1 млрд параметров и доступна в формате safetensors для библиотеки Transformers. Модель принимает текст и предназначена для диалогов и генерации ответов. Контекстное окно составляет 32 768 токенов. В карточке не приведены результаты оценки качества или подтверждённый перечень языков; базовая линейка Qwen2.5 многоязычна. Лицензия в предоставленных данных не указана.

Модель heseltiNe — дообученная версия DeepSeek-R1-0528-Qwen3-8B, предназначенная для генерации текста в диалоговом формате. Она основана на плотной архитектуре Qwen3 и содержит 7,6 млрд параметров; метаданные указывают контекст до 131 072 токенов. Модель дообучали с помощью Unsloth и библиотеки TRL.

Beast-Mixed — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 и Zephyr-7B-beta методом SLERP с помощью LazyMergekit. Модель на 7,1 млрд параметров предназначена для генерации текста и ответов на инструкции в формате чата; архитектура — плотная MistralForCausalLM, максимальный контекст составляет 32 768 токенов. Модель подходит для диалоговых помощников, черновиков текстов и ответов на вопросы по текстовому контексту. В README указана конфигурация слияния и тип данных bfloat16. Лицензия в предоставленных данных не указана.

Berry-Spark-7B-Fix — объединённая разговорная языковая модель, созданная сообществом mergekit-community на основе ChaoticNeutrals/Very_Berry_Qwen2_7B и arcee-ai/Arcee-Spark. Модели объединены методом SLERP; архитектура — плотная Qwen2ForCausalLM, размер — 7,1 млрд параметров. Репозиторий содержит веса в формате safetensors, а для итоговых весов указана точность bfloat16. Модель предназначена для диалогов и генерации текста: её можно использовать для ответов на вопросы и других сценариев общения с языковой моделью. Поддерживает контекст до 32 768 токенов. В карточке не приведены сведения о языках обучения или условиях лицензии, поэтому они здесь не уточняются.

rinna/bilingual-gpt-neox-4b-instruction-sft — двуязычная разговорная языковая модель компании rinna, созданная дообучением GPT-NeoX на 4,8 млрд параметров для выполнения инструкций. Архитектура — плотный трансформер GPT-NeoX; модель принимает текст и генерирует текст. Контекст составляет 2048 токенов. Модель предназначена для диалогов, ответов на вопросы и других запросов на японском и английском языках. Для диалога README задаёт формат с репликами «ユーザー» и «システム»; качество генерации чувствительно к параметрам декодирования, поэтому их стоит подбирать под задачу. Модель дообучалась на данных Anthropic HH-RLHF и FLAN Instruction Tuning, включая японские переводы. Выпущенная 2 августа 2023 года версия распространяется по лицензии MIT.

Calme-7B-Instruct-v0.2 — языковая модель Maziyar Panahi для генерации текста и диалогового общения. Это дообученная на качественных наборах данных модель Mistral-7B с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она рассчитана на связные ответы с ясной и спокойной подачей. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, а для запуска предлагается Transformers pipeline с задачей text-generation. Автор также публикует отдельные квантованные варианты GGUF. Модель доступна по лицензии Apache-2.0.

Модель carted-nlp/categorization-finetuned-20220721-164940-distilled-20220811-074207 — дообученная Carted NLP модель RoBERTa для классификации текста. Она содержит 36 млн параметров и принимает последовательности длиной до 514 токенов. В README указаны метрики на оценочном наборе: accuracy 0,8771 и F1 0,8763; название предполагает применение для категоризации, но конкретные категории и обучающие данные не описаны. Модель подходит для присвоения текстам категорий в прикладных системах. Доступен формат PyTorch. Лицензия в предоставленных данных не указана.

CatMacaroni-Slerp-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, полученная слиянием mistralai/Mistral-7B-Instruct-v0.2 и cookinai/CatMacaroni-Slerp методом SLERP. Репозиторий указывает архитектуру MistralForCausalLM с плотной сетью на 7,1 млрд параметров; веса представлены в safetensors. Модель предназначена для генерации текста и ответов на инструкции в формате диалога, включая чат-сценарии. Модель принимает текст и генерирует текст. Для базовой Mistral-7B-Instruct-v0.2 указан контекст до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит отдельных оценок качества или подробных ограничений применения.

Cloudversia Thor 7B — языковая модель, созданная Cloudversia слиянием двух моделей Mistral с помощью mergekit и метода SLERP: NeuralHermes-2.5-Mistral-7B и mistral-ft-optimized-1218 от OpenPipe. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; длина контекста составляет 32 768 токенов. Карточка не описывает специальные предметные области или языки, поэтому модель следует рассматривать как универсальную. Веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Cypher-7B — диалоговая языковая модель на архитектуре Mistral, созданная объединением NousResearch/Nous-Hermes-2-Mistral-7B-DPO и cognitivecomputations/samantha-1.1-westlake-7b-laser методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и общения в формате чата. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий использует Transformers и формат safetensors. Лицензия указана как CC, но конкретный вариант лицензии в предоставленных данных не раскрыт.

FourOhFour/Dante_9B — чат-модель на базе Gemma 2, дообученная автором репозитория FourOhFour. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и формат весов safetensors. Она предназначена для диалоговой генерации текста; базовая модель использует токены ChatML. Контекст составляет до 8192 токенов. Модель можно применять для ведения диалогов, ответов на вопросы и генерации текста. В карточке приведён результат оценки: loss 0,7320; описание обучающих данных и подробности оценки не раскрыты. Лицензия — gemma.

DANTE v1 — дообученная модель решений на базе Qwen3.5-4B, разработанная Elliott Short. Она принимает предоставленные свидетельства, вопрос и набор вариантов, а затем за один проход оценивает вероятности вариантов через распределение следующего токена. Поддерживаются выбор одного из 2–26 вариантов, ответы «да/нет» и упорядоченные уровни оценки. Модель содержит 3,4 млрд параметров, использует архитектуру Qwen3.5 для текста, формат safetensors и контекст до 262 144 токенов. Модель предназначена для классификации и коротких решений по заданным данным: например, маршрутизации заявок, проверки соблюдения ограничений агентом, оценки лидов и определения срочности. По README, на указанных наборах разработчиков DANTE v1 превзошла нетронутую базовую модель, однако эти наборы использовались при выборе контрольных точек, поэтому результаты относятся к данным того же распределения. Обучение выполнено методом LoRA с последующим объединением адаптера с базовыми весами; карточка указывает Apache-2.0. Модель рассчитана только на английский язык и не предназначена для открытой генерации текста или диалога.

cluebbers/deberta-base-paraphrase-detection-qqp — англоязычная модель классификации текста на основе DeBERTa-base от Microsoft, дообученная для обнаружения перефразировок в вопросах. Она предназначена для определения, задают ли две формулировки один и тот же вопрос, например, при поиске дубликатов в FAQ или группировке похожих запросов. Модель содержит 151,8 млн параметров, использует архитектуру DeBERTa для классификации последовательностей и принимает текст; максимальная длина контекста составляет 512 токенов. Доступна в формате safetensors и может применяться через библиотеку Transformers. Лицензия — MIT. Модель специализируется на сопоставлении пар вопросов и относится к задаче классификации текста. Она дообучена на базе GLUE, однако карточка не приводит метрики качества, подробности разметки или описание ограничений. Результаты могут зависеть от предметной области и формулировок, отличающихся от обучающих данных.

Это разговорная языковая модель семейства Qwen3, разработанная LAION и обученная с нуля на наборах данных wildchat_386k и delphi_warmup. Она предназначена для генерации текста в диалоговом формате и может использоваться для создания ответов на запросы и ведения беседы. Модель имеет плотную архитектуру Qwen3ForCausalLM и содержит 402,6 млн параметров. Максимальная длина контекста — 4096 токенов; доступные веса представлены в формате safetensors. Для модели указана лицензия other, поэтому условия использования следует сверить с файлами репозитория. Карточка не приводит оценки качества или подробных ограничений.

argilla/distilabeled-OpenHermes-2.5-Mistral-7B — языковая модель Argilla, созданная методом DPO дообучения OpenHermes-2.5-Mistral-7B на наборе предпочтений argilla/distilabel-intel-orca-dpo-pairs. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для диалоговой генерации текста. Она поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский язык. Модель подходит для диалоговых помощников, генерации ответов и общих текстовых задач. В карточке приведены результаты сравнительных бенчмарков, однако они не гарантируют качество в конкретном приложении. Модель распространяется по лицензии Apache-2.0.

Модель typeform/distilbert-base-uncased-mnli разработана командой Typeform. Это DistilBERT без учета регистра, дообученная на наборе MultiNLI для классификации текста без предварительно заданного набора классов: пользователь может передать текст и варианты меток, а модель оценит их соответствие. Подходит для тематической разметки текстов и прототипирования классификаторов на английском языке. Модель принимает текст и выдаёт оценки классов. Контекст ограничен 512 токенами. В карточке приведены результаты на MNLI и MNLI-mm: точность 82% для каждого набора. Модель чувствительна к смещениям и стереотипам, присутствующим в данных и предсказаниях; также она не различает регистр букв. Лицензия в карточке обозначена как неизвестная, поэтому условия использования следует уточнить у разработчика.

DocsGPT-14B — языковая модель семейства Llama, разработанная Arc53 и дообученная с помощью LoRA на базе Llama 2 13B. Модель содержит 12,9 млрд параметров, принимает вопрос и предоставленный контекст документов и генерирует ответ. Для работы используется формат инструкции с отдельными разделами для вопроса, контекста и ответа; длина контекста модели — 4096 токенов. Модель предназначена для ответов, основанных на документации, и подходит разработчикам и службам технической поддержки: например, её можно подключить к поиску документов и передавать найденные фрагменты в контекст. Карточка сообщает об обучении на 50 тысячах примеров, но оценка качества и бенчмарки ещё находятся в разработке. Поддерживается английский язык. Лицензия Apache-2.0 допускает коммерческое использование.

Dolphin 2.2.1 Mistral 7B — диалоговая языковая модель, созданная Eric Hartford на основе Mistral 7B; обучение спонсировал a16z. Это выпуск контрольной точки с исправлениями переобучения. Модель дообучена на наборах Dolphin, Airoboros 2.2.1 и отобранных данных WizardLM и Samantha; поддерживает формат запросов ChatML и рассчитана на генерацию текста в диалоге.

Dolphin 2.2 70B — разговорная языковая модель от Eric Hartford, обученная на базе StellarBright, которая основана на Llama 2. Она предназначена для диалогов, следования инструкциям и продолжительных многоходовых бесед; автор отмечает улучшения в эмпатичных ответах и персональных советах. Модель использует плотную архитектуру LlamaForCausalLM, содержит 68,7 млрд параметров, принимает текст и выдаёт текст. Контекст — до 4096 токенов. Для общения применяется формат ChatML. При обучении использованы наборы Dolphin, Airoboros 2.2.1, а также отобранные данные Samantha и WizardLM. Автор характеризует модель как uncensored и предупреждает, что она может выполнять запросы, связанные с неэтичным содержанием; перед предоставлением её пользователям рекомендуется добавить собственный слой ограничений. Лицензия — Llama 2, README указывает на возможность коммерческого и некоммерческого использования.

Dolphin 2.2 Yi 34B 200K — разговорная языковая модель, разработанная Eric Hartford при спонсорской поддержке Convai и дообученная на базе Yi. Это плотная модель семейства Llama с 33,9 млрд параметров; она принимает текст и генерирует текст, поддерживает диалоги в формате ChatML и рассчитана на контекст до 200 000 токенов. В ходе дообучения использовались данные Dolphin, Airoboros, а также отобранные примеры из Samantha и WizardLM; обучение выполнялось методом qLoRA. Модель предназначена для многоходового общения, ответов на вопросы, творческих инструкций и персональных советов. По карточке, она обучена быть эмпатичной и менее ограничивать ответы; из-за этого разработчик рекомендует самостоятельно добавить слой выравнивания перед публикацией сервиса. В метаданных указан английский язык. Репозиторий содержит веса PyTorch. README указывает, что модель основана на Yi и подпадает под лицензию Yi; метаданные HF отдельно указывают Apache-2.0, поэтому условия использования следует сверять с лицензией базовой модели и файлами репозитория.