III.4Клиентская поддержка и customer success

Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

Это объединённая языковая модель на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и jan-hq/stealth-v1.3. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате; для работы с ней указана библиотека Transformers. Модель подходит для диалогов и генерации ответов на текстовые запросы. Контекстное окно составляет 32 768 токенов. В конфигурации слияния указана точность bfloat16; README описывает V-образное распределение коэффициента слияния, при котором вклад Hermes преобладает на входе и выходе, а промежуточные слои смешиваются иначе. Условия лицензии в предоставленных данных не указаны.

imi2/Meta-Llama-3-120B-Instruct-merged — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом passthrough на основе NousResearch/Meta-Llama-3-70B-Instruct. Модель содержит 120,8 млрд параметров, использует формат safetensors и доступна для работы через Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет 8192 токена. Данные указывают на поддержку текстового ввода и генерации текста; сведения о специальных предметных областях и языковом охвате не приведены. Лицензия в предоставленных источниках не указана.

Это дообученная разговорная языковая модель sleeepeer на базе meta-llama/Llama-3.1-8B-Instruct, обученная с помощью TRL. Она предназначена для генерации текста в ответ на инструкции и вопросы в диалоговом формате. Модель использует плотную архитектуру Llama с 7,5 млрд параметров и принимает текст; заявленный контекст составляет до 131072 токенов. Модель подходит для диалоговых сценариев и генерации ответов. В карточке приведён пример ответа на вопрос в формате чата. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

MFANNv0.16.10 — диалоговая языковая модель, созданная netcat420 слиянием моделей методом TIES с помощью mergekit. В основе использована MaziyarPanahi/Llama-3-8B-Instruct-v0.4; в слияние также вошли netcat420/MFANNv0.15 и netcat420/MFANNv0.16. Модель построена на архитектуре Llama и предназначена для генерации текста в диалоговом формате, включая ответы ассистента. Она содержит 7,5 млрд параметров, поддерживает контекст длиной до 32 768 токенов и распространяется в формате safetensors для библиотеки Transformers. Карточка не приводит специальных ограничений или сведений о лицензии; условия использования следует сверять с лицензией базовой модели и компонентов слияния.

miscii-14b-1225 — диалоговая языковая модель серии miscii, созданная sthenno-com как слияние моделей с помощью mergekit. В основе указаны Qwen/Qwen2.5-14B-Instruct и sthenno-com/miscii-14b-1028. Модель с архитектурой Qwen2 и 14 млрд параметров предназначена для генерации текста и диалогов; заявленный контекст составляет 131 072 токена. Карточка приводит результаты оценок Open LLM Leaderboard: средний балл 40,08 в исходной таблице и 42,35 в таблице, обновлённой 15 февраля 2025 года. Указаны языковые теги для китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского. Модель распространяется по лицензии Apache-2.0. За подробностями об использовании карточка отсылает к miscii-14b-1028.

Citaman/Mistral_31_layer — диалоговая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP на основе Mistral-7B-Instruct-v0.2. В конфигурации объединены срезы слоёв исходной модели со смещением на один слой; модель содержит 6,9 млрд параметров и использует формат safetensors. Модель предназначена для генерации текста и диалоговых ответов на инструкции. Она принимает текст и формирует текстовые ответы, поддерживает контекст до 32 768 токенов и работает через библиотеку Transformers. Карточка не приводит оценок качества или результатов сравнительных тестов. Указана базовая модель Mistral-7B-Instruct-v0.2. Лицензия в предоставленных данных не указана.

NickyNicky/Mistral-7B-OpenOrca-oasst_top1_2023-08-25-v3 — диалоговая языковая модель на архитектуре Mistral, разработанная на основе наборов данных OpenOrca и OpenAssistant oasst_top1 от 25 августа 2023 года. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в диалоговом формате, включая ответы на вопросы и ведение беседы. Модель работает через Transformers и принимает текст, выдавая текст. Заявленная длина контекста составляет 32 768 токенов. В метаданных перечислены 20 языков: болгарский, каталонский, чешский, датский, немецкий, английский, испанский, французский, хорватский, венгерский, итальянский, нидерландский, польский, португальский, румынский, русский, словенский, сербский, шведский и украинский. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache 2.0. README не содержит подробных сведений об обучении или оценки качества; ответы модели могут быть неточными или содержать ошибки.

edinlp/mistral-7b-v0.3-sft — дообученная языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана на основе mistralai/Mistral-7B-v0.3 и дообучена на наборе данных openhermes-2.5; метаданные отмечают возможность диалогового использования. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст, а базовая модель поддерживает контекст до 32 768 токенов. В README не приведены результаты оценки качества или подробные рекомендации по применению. Лицензия указана как other, поэтому конкретные условия использования следует сверить с карточкой модели и файлами лицензии репозитория.

MaziyarPanahi/mistral-7b-v5-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral для генерации текста в ответ на инструкции и диалоговые запросы. Она создана слиянием методом SLERP моделей mistralai/Mistral-7B-Instruct-v0.1 и mncai/mistral-7b-v5; базовой указана mistralai/Mistral-7B-Instruct-v0.1. Модель содержит 7,1 млрд параметров, рассчитана на контекст до 32 768 токенов и распространяется в формате Safetensors. Модель подходит для диалоговых помощников и генерации ответов по текстовым запросам. В метаданных указан английский язык. Лицензия — Apache-2.0. Данные карточки не описывают специальных прикладных областей или известных ограничений качества.

mistralake-slerp — разговорная языковая модель, созданная объединением HuggingFaceH4/mistral-7b-grok и senseable/WestLake-7B-v2 с помощью LazyMergekit. Для слияния использован метод SLERP; в конфигурации указан тип bfloat16. Модель основана на плотной архитектуре Mistral и предназначена для генерации текста в диалоговом формате. Её можно применять для ведения диалога, ответов на вопросы и создания текстовых черновиков. Заявленная длина контекста — 32 768 токенов. В репозитории используются веса Safetensors. Лицензия в предоставленных данных не указана.

MixtureofMerges-MoE-2x7b-v6 — языковая модель для генерации текста, созданная jsfs11 с помощью LazyMergekit путём объединения yam-peleg/Experiment26-7B и mlabonne/AlphaMonarch-7B. Это модель семейства Mixtral с архитектурой Mixture of Experts (MoE), примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и может применяться в диалогах, ответах на запросы и рассуждениях. README приводит результаты оценивания на Open LLM Leaderboard, включая среднюю оценку 76,63 и результаты AI2 Reasoning Challenge и HellaSwag; это показывает оценивание модели, но не гарантирует аналогичного качества в прикладных сценариях. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

mmBERT-32K Feedback Detector Merged — классификатор пользовательской обратной связи для разговорных ИИ-систем, разработанный llm-semantic-router на базе llm-semantic-router/mmbert-32k-yarn. Модель относит сообщения к четырём категориям: удовлетворённость ответом, просьба о пояснении, указание на ошибочный ответ и запрос другого подхода. Она предназначена для маршрутизации диалогов и мониторинга качества ответов. Это дообученная ModernBERT-модель классификации последовательностей с примерно 307 млн параметров и контекстом до 32 768 токенов. В README заявлена поддержка более 1800 языков, при этом лучшая производительность отмечена для английского, китайского, французского и испанского. Версия содержит объединённые LoRA-веса и не требует PEFT; доступны форматы ONNX и Safetensors. Валидационные метрики из README получены на 2 985 примерах и не гарантируют аналогичного качества на других данных. Модель подходит для определения реакции пользователя и запуска соответствующего сценария в чат-боте или системе поддержки. Распространяется по лицензии Apache-2.0.

Typeform разработала MobileBERT, дообученную на наборе Multi-Genre Natural Language Inference (MNLI) для классификации без примеров. Модель сопоставляет текст с заданными пользователем категориями и оценивает, какая из них лучше подходит; её можно применять для разметки текстов по произвольному набору меток без отдельного обучения на этих метках. Это англоязычная модель семейства MobileBERT с архитектурой MobileBertForSequenceClassification и 59,7 млн параметров. Она принимает текст, поддерживает контекст длиной до 512 токенов и выдаёт оценки классов. Веса доступны в форматах PyTorch и Safetensors. Модель может воспроизводить вредные стереотипы о защищённых группах и социальных характеристиках, поэтому результаты требуют проверки. В карточке указано, что для лицензии нужно уточнение; условия использования по имеющимся данным определить нельзя.

zelk12/MT1-Gen3-MMMA-gemma-2-9B — чат-модель на основе архитектуры Gemma 2, созданная слиянием двух предварительно обученных языковых моделей с помощью SLERP и mergekit. В репозитории представлены веса в формате safetensors; размер модели составляет 9 млрд параметров, максимальный контекст — 8192 токена. Модель предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст. Карточка не уточняет языковой охват, поэтому языки не перечислены. Использование зависит от лицензии базовых моделей; сведения о лицензии в предоставленных данных отсутствуют.

zelk12/MT1-Gen3-MUI-gemma-2-9B — разговорная текстовая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная слиянием предварительно обученных языковых моделей методом SLERP через mergekit. В метаданных указаны базовые модели zelk12/MT1-Gen3-IF-gemma-2-MTM2MUS5-9B и zelk12/MT1-Gen3-MU-gemma-2-S2S5-9B; карточка README приводит их в конфигурации слияния. Модель предназначена для генерации текста в диалоге: она принимает текстовые запросы и выдаёт текстовые ответы. Заявленный контекст составляет 8192 токена. Карточка не сообщает конкретные языки или специализированные предметные области, поэтому модель следует рассматривать как общего назначения. Модель распространяется в формате safetensors согласно метаданным. Лицензия в предоставленных данных не указана.

zelk12 опубликовал объединённую методом SLERP языковую модель MT2-Gen4-BMM-gemma-2-9B на архитектуре Gemma 2. Модель размером 9 млрд параметров создана с помощью mergekit из zelk12/MT2-Gen4-BB-gemma-2-MTMMT3g2-9B и zelk12/MT2-Gen4-MM-gemma-2-Rv0.4MTM-9B; базовой в конфигурации указана первая из них. Модель предназначена для генерации текста и диалоговых ответов, работает через Transformers и использует контекст до 8192 токенов. Веса опубликованы в формате safetensors. В карточке и метаданных лицензия не указана, поэтому условия использования определить нельзя.

zelk12/MT3-Gen2-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit. В слиянии методом SLERP использованы zelk12/MT3-Gen2-GMM-gemma-2-9B и zelk12/MT3-Gen2-IMUBMA-gemma-2-9B; конфигурация указывает базовую модель zelk12/MT3-Gen2-GMM-gemma-2-9B и параметр t=0,25. Модель содержит 9 млрд параметров, работает через Transformers и принимает контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. В репозитории указаны веса в формате safetensors. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen5-MAI-gemma-2-9B — слитая модель генерации текста на архитектуре Gemma 2, созданная методом SLERP с помощью mergekit из zelk12/MT3-Gen5-MA-gemma-2-MT2E-9B и zelk12/MT3-Gen5-IF-gemma-2-Av4dMT2-9B. Модель содержит 9 млрд параметров и предназначена для диалогов и генерации текста; принимает текстовые запросы и выдаёт текстовые ответы. Работает с контекстом до 8192 токенов и доступна в формате safetensors для библиотеки Transformers. В метаданных не указаны языковые предпочтения и прикладные специализации. Лицензия в предоставленных данных не указана.

zelk12 выпустил объединённую модель Gemma 2, созданную из zelk12/recoilme-gemma-2-Ifable-9B-v0.1 и zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1 методом SLERP с помощью mergekit. Это плотная авторегрессионная языковая модель на 9 млрд параметров для генерации текста и диалоговых ответов; модель рассчитана на работу с контекстом до 8192 токенов. Модель подходит для общения в чате и генерации продолжений текста. В карточке указаны архитектура Gemma 2 и формат safetensors. Лицензия в предоставленных данных не указана, поэтому условия использования следует проверять в репозитории модели и у исходных моделей.

zelk12/MT4-Gen3-MU-gemma-2-S2MT4g2-9B — объединённая языковая модель на базе Gemma 2, созданная методом SLERP с помощью mergekit. В объединение вошли allknowingroger/Gemmaslerp2-9B и zelk12/MT4-Gen2-gemma-2-9B; конфигурация README указывает тип bfloat16 и параметр смешивания t=0.25. Модель предназначена для диалогов и генерации текста. Она содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и поддерживает контекст до 8192 токенов. Репозиторий использует Transformers и содержит веса в формате safetensors. В метаданных лицензия и поддерживаемые естественные языки не приведены, поэтому конкретные условия использования и языки здесь не уточняются.

zelk12/MT4-Gen4-BB-gemma-2-MT4g2MT3g2-9B — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT4-Gen2-gemma-2-9B и zelk12/MT3-Gen2-gemma-2-9B. Модель содержит 9 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для диалога и генерации текста: она принимает текстовые запросы и формирует текстовые ответы. Может использоваться в чат-ботах, для черновиков и для продолжения текста. README описывает способ слияния и исходные модели, но не приводит отдельных оценок качества или подробных рекомендаций по применению. Лицензия в предоставленных данных не указана.

zelk12/MT4-Gen5-MA-gemma-2-MT4g2MT3g4-9B — объединённая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Она создана из zelk12/MT3-Gen4-gemma-2-9B и zelk12/MT4-Gen2-gemma-2-9B и предназначена для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. В карточке нет сведений о поддерживаемых языках и лицензии, поэтому их нельзя надёжно описать.

zelk12 выпустил разговорную языковую модель MT-Merge4-MU-gemma-2-MT3g4MT1g4-9B — объединение двух предварительно обученных моделей Gemma 2 с помощью SLERP и mergekit. Модель имеет плотную архитектуру Gemma2ForCausalLM и 9 млрд параметров; репозиторий содержит веса в формате safetensors. Она предназначена для генерации текста и ведения диалогов, принимает текст и выдаёт текст. Модель основана на zelk12/MT1-Gen4-gemma-2-9B и zelk12/MT3-Gen4-gemma-2-9B; в конфигурации для объединения указаны bfloat16 и параметр t=0.25. Максимальная длина контекста — 8192 токена. Лицензия в предоставленных данных не указана.

zelk12 выпустил эту объединённую модель Gemma 2 для диалоговой генерации текста. Она создана методом SLERP с помощью mergekit из моделей zelk12/MT-Gen5-gemma-2-9B и zelk12/MT5-Gen5-gemma-2-9B. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и принимает текстовый контекст длиной до 8192 токенов. Её можно применять для ведения диалогов и генерации текста. Модель распространяется в формате safetensors и использует библиотеку Transformers; лицензия в предоставленных данных не указана.

zelk12 создал разговорную модель генерации текста на основе Gemma 2, объединив методом SLERP две модели: zelk12/MT-Merge4-gemma-2-9B и zelk12/MT-Merge5-gemma-2-9B. Модель имеет плотную архитектуру Gemma2ForCausalLM и 9 млрд параметров; её можно использовать для диалогов и генерации текста. Она работает с контекстом до 8192 токенов и доступна в формате Safetensors для Transformers. README указывает на слияние предварительно обученных языковых моделей и конфигурацию bfloat16. Лицензия в предоставленных данных не описана.

Модель agentlans/multilingual-e5-small-aligned-sentiment разработана на основе multilingual-e5-small-aligned и дообучена для оценки тональности текста на нескольких языках. Это плотная модель семейства BERT с архитектурой BertForSequenceClassification, содержащая 124,3 млн параметров и принимающая текст длиной до 512 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для определения тональности многоязычных текстов, фильтрации контента и сравнительного анализа корпусов на разных языках. В карточке описана проверка на примерах на английском, арабском, китайском, французском, русском и испанском языках; обучающие данные включают параллельные предложения и дополнительные метрики тональности. Лицензия MIT.

Многоязычная модель Tabularis AI для многометочной классификации эмоций в тексте. Она дообучена на FacebookAI/xlm-roberta-base и использует архитектуру XLM-RoBERTa с 305,2 млн параметров; для входного текста выдаёт оценки по 11 классам: гнев, презрение, отвращение, страх, фрустрация, благодарность, радость, любовь, нейтральность, грусть и удивление. Каждая метка оценивается независимо, поэтому текст может получить несколько эмоциональных меток или ни одной при пороге 0,5. Модель предназначена для анализа эмоций в публикациях соцсетей, отзывах о товарах и клиентских обращениях, мониторинга бренда, маркетинговых исследований и отслеживания эмоциональной окраски диалогов. Заявлена поддержка 23 языков; карточка перечисляет 22 языковых кода, включая русский, английский, китайский, испанский и хинди. Контекст — до 514 токенов. В README приведены результаты на отложенной многоязычной выборке из 11 500 примеров: micro F1 0,840, macro F1 0,839 и sample Jaccard 0,794. Обучение проводилось на синтетических многоязычных данных, поэтому качество на реальных текстах и культурно обусловленных выражениях эмоций следует проверять отдельно. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Nebula-v2-7B — языковая модель на 7,1 млрд параметров семейства Mistral, опубликованная Weyaxi. Это дообученная версия mistralai/Mistral-7B-v0.1 на датасете Open-Platypus; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и может использоваться в диалоговых приложениях и для ответов на запросы на английском языке. Заявленная длина контекста — 32 768 токенов. Лицензия — Apache-2.0. README также указывает на отдельный репозиторий с исходными LoRA-весами.

NeuralBeagleJaskier — объединённая языковая модель на архитектуре Mistral, созданная с помощью LazyMergekit из mlabonne/NeuralBeagle14-7B и bardsai/jaskier-7b-dpo-v6.1. Веса объединены методом TIES; указаны нормализация и маска int8. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст; метаданные указывают поддержку чата. Данные о поддерживаемых языках и специализированных областях применения отсутствуют, поэтому её следует рассматривать как модель общего назначения. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.