III.4Клиентская поддержка и customer success

TalkTix разработала модель на базе RoBERTa для классификации обращений в службу поддержки по четырём уровням влияния сбоя на работу клиента: клиент может продолжать работу, не может работать, не может работать несколько сотрудников или не может работать отдел. Модель предназначена для сортировки обращений и оценки их приоритета при обработке службой поддержки. Это модель классификации последовательностей RobertaForSequenceClassification на PyTorch с 151,8 млн параметров и контекстом до 514 токенов. Она обучена на сбалансированном наборе из 28 000 анонимизированных обращений; карточка указывает английский язык. Лицензия — MIT. В опубликованной матрице ошибок заметны частые смешения категорий, особенно для случаев, затрагивающих нескольких сотрудников или отдел. В README также отмечено, что ошибка на валидации почти не менялась в ходе обучения; перед использованием для автоматической приоритизации стоит проверить качество на данных конкретной службы поддержки.

IlyaGusev/saiga_mistral_7b_merged — объединённая версия модели семейства Mistral, предназначенная для генерации текста. По метаданным это плотная авторегрессионная модель MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. В README указано, что существуют версии GGUF и квантизации TheBloke, но данный репозиторий содержит веса PyTorch. Модель ориентирована на русскоязычные запросы; метаданные связывают её с русскоязычными наборами инструкций и диалогов. Её можно использовать для ответов на вопросы, диалогов и выполнения текстовых инструкций на русском языке. Лицензия — Apache-2.0. README не раскрывает, какие именно модели были объединены и как выполнялось слияние.

SauerkrautLM-7b-HerO-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием методом SLERP моделей Mistral-7B-Instruct-v0.2 и SauerkrautLM-7b-HerO; конфигурация слияния использует bf16. Модель предназначена для генерации текста и ответов на инструкции в формате диалога. Контекстное окно составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

SFGEMOMNISCIEN-Mistral-ties — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров, созданная объединением моделей через mergekit методом TIES. В README указана NeuralHermes-2.5-Mistral-7B и базовая модель Warit2/SFGEMOMNISCIEN; каталог характеризует NeuralHermes как диалоговую модель, дообученную для выполнения инструкций и генерации текста. Модель предназначена для генерации текста и ответов в диалогах по текстовым запросам. Заявленная длина контекста — 32 768 токенов. Файлы представлены в формате safetensors; лицензия — Apache-2.0. Карточка не сообщает результаты оценки качества или конкретные ограничения применения.

Модель sfm_filtered_e2e_alignment-1k_2k_3k_4k_5k_weightedavg_merge — объединение предобученных языковых моделей, созданное с помощью mergekit и метода Linear. В качестве базовой при слиянии использована контрольная точка global_step5000; также включены контрольные точки global_step1000, global_step2000, global_step3000 и global_step4000 из серии filtered_e2e_alignment. Это плотная авторегрессионная модель семейства GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; максимальная длина контекста составляет 16 384 токена. Модель распространяется в формате safetensors и работает через Transformers. Карточка не сообщает о специальных прикладных областях или языках, поэтому её следует рассматривать как модель общего назначения. Лицензия и конкретные ограничения качества в предоставленных данных не описаны.

sfm_filtered_midtrain_alignment-0k_1k_2k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек предварительно обученной модели. В качестве базовой использована контрольная точка global_step2000; в слияние также включены global_step0 и global_step1000. Семейство архитектуры — GPT-NeoX, модель плотная, содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В метаданных указана библиотека Transformers и формат весов safetensors. Карточка не сообщает о специализированных областях применения, поддерживаемых естественных языках или лицензии, поэтому эти характеристики не уточняются.

SharkOgno-11b-Passthrough — объединённая модель генерации текста, созданная powermove72 с помощью LazyMergekit из powermove72/Shark-1 и eren23/OGNO-7b-dpo-truthful. В конфигурации указаны метод слияния passthrough, объединение токенизаторов и точность float16. Метаданные описывают плотную Mistral-подобную архитектуру MistralForCausalLM с 10,6 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев; базовая модель OGNO-7b-dpo-truthful ориентирована на правдивость ответов. Метаданные также указывают text-classification среди поддерживаемых задач, однако основная задача и pipeline_tag — text-generation. Лицензия в предоставленных данных не указана.

StrangeMerges_38-7B-dare_ties — слитая текстовая модель семейства Mistral, созданная Gille с помощью LazyMergekit на основе трёх моделей: automerger/NeuralsirkrishnaExperiment26-7B, Gille/StrangeMerges_21-7B-slerp и Gille/StrangeMerges_34-7B-slerp. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекстное окно 32 768 токенов. Модель предназначена для генерации текста и диалогового применения. Её можно использовать для ведения беседы и создания текстовых ответов. В репозитории указаны веса в формате safetensors; лицензия — Apache-2.0.

SepKeyPro/SuperQwen2-7B-Chat — объединённая разговорная языковая модель на базе семейства Qwen2, созданная с помощью Mergekit. В состав слияния вошли Qwen/Qwen2-7B-Instruct, natong19/Qwen2-7B-Instruct-abliterated и cognitivecomputations/dolphin-2.9.2-qwen2-7b; метод слияния — model_stock, формат весов — bfloat16 в safetensors. Модель содержит 7,1 млрд параметров, имеет плотную архитектуру Qwen2ForCausalLM и контекст до 32 768 токенов. Она предназначена для диалогов и генерации текста. В карточке не описаны поддерживаемые языки и специальные предметные области. Условия лицензии в предоставленных данных не приведены.

T3qm7xNeuralsirkrishna_YamNeuralsirkrishna — объединённая текстовая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/YamNeuralsirkrishna-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0.

tolk-flash — компактная языковая модель диалогов, разработанная авторами семейства tolk и основанная на Qwen2.5-3B-bnb-4bit. Это дообученная плотная модель с архитектурой Qwen2 и примерно 3,1 млрд параметров; она предназначена для быстрых многоходовых бесед, генерации текста и диалогов с заданной персоной на русском и английском языках. Контекст модели — до 32 768 токенов. Небольшой размер рассчитан на быстрый вывод, слабые GPU и среды с ограниченными ресурсами, а интерфейс поддерживает чат и вызов инструментов. Модель распространяется в формате safetensors по лицензии MIT.

Tulpar-7b-v2-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная MaziyarPanahi слиянием методом SLERP моделей Mistral-7B-Instruct-v0.2 и Tulpar-7b-v2. Она предназначена для генерации текста и ответов на инструкции в формате чата. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; контекст — до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке указана лицензия Apache-2.0. README описывает способ слияния и базовые модели, но не приводит оценки качества или специальные ограничения применения.

Это дообученный чекпойнт Gemma 4 E4B Instruct, опубликованный tensorfiend после обучения на GPU в JarvisLabs. По метаданным, модель использует архитектуру Gemma4ForConditionalGeneration и формат safetensors; карточка README указывает шаг обучения 1692 и лучшее значение eval loss 0,3067. Модель предназначена для диалоговой генерации текста. Базовая Gemma 4 E4B Instruct также поддерживает анализ изображений и обработку аудио, однако для этого чекпойнта метаданные подтверждают только задачу text-generation и возможность диалога, поэтому мультимодальные сценарии здесь не заявлены. Лицензия указана как other; README требует соблюдать лицензионные условия Gemma и не распространять её веса за пределами разрешённого лицензией использования.

mradermacher/turbo-ai-7b-i1-GGUF — набор квантованных версий текстовой модели TurboAiLabs/turbo-ai-7b, подготовленный пользователем mradermacher. Модель предназначена для генерации текста и диалогового использования, включая работу с электронной почтой, суммирование, подготовку черновиков и извлечение задач. В метаданных также указана пригодность для локального и периферийного развёртывания, что может быть полезно для сценариев с повышенными требованиями к приватности. Исходная модель имеет размер 7B параметров, относится к архитектуре Qwen2 и поддерживает английский язык. Репозиторий содержит файлы в формате GGUF с различными вариантами квантования от i1-IQ1_S до i1-Q6_K; их размер составляет примерно от 2,0 до 6,4 ГБ. Более компактные варианты требуют меньше памяти, но могут обеспечивать более низкое качество, тогда как i1-Q4_K_M отмечен как быстрый и рекомендуемый, а i1-Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Контекстный размер, мультимодальность и точные характеристики исходной модели в README не указаны. Распространение выполняется по лицензии Apache-2.0. Для запуска квантованных файлов требуется совместимое программное обеспечение, поддерживающее формат GGUF; конкретные требования к оборудованию и производительности не приведены.

MaziyarPanahi/una-cybertron-7b-v3-OMA-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и fblgit/una-cybertron-7b-v3-OMA методом slerp. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в ответ на инструкции и диалоговые запросы; поддерживает контекст до 32 768 токенов. Модель подходит для диалоговых ассистентов и генерации ответов на текстовые запросы. В репозитории представлены веса Safetensors, а лицензия — Apache-2.0. В карточке нет сведений о специальных предметных областях или гарантированных показателях качества.

UnPoppy_8B — объединённая языковая модель, созданная jeiku с помощью mergekit методом SLERP из Nitral-AI/Poppy_Porpoise-0.72-L3-8B и Undi95/Llama-3-Unholy-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, предназначенная для диалоговой генерации текста. Размер модели — 7,5 млрд параметров, длина контекста — 8192 токена; репозиторий использует формат safetensors и библиотеку Transformers. Модель подходит для ведения диалога и генерации текстовых ответов. В метаданных базовой модели упомянута дополнительная поддержка анализа изображений через Llava MMProj, но для самого UnPoppy_8B такой способности в карточке не подтверждено. Данные о лицензии и языках модели отсутствуют.

nruigrok/verbindend — модель классификации текста на базе архитектуры BERT, опубликованная пользователем Hugging Face nruigrok. Она предназначена для задач, где входной текст необходимо отнести к одной из заранее определённых категорий. Модель содержит около 136,3 млн параметров и поддерживает контекст длиной до 512 токенов. Для работы используются Transformers и PyTorch. По доступным данным, модель ориентирована на текстовую модальность; карточка модели отсутствует, поэтому сведения о конкретных классах, обучающем наборе данных, языках, лицензии и специализированных сценариях применения не установлены. Модель не развернута через Inference Providers.

Wernicke-7B-v8 — объединённая модель на 7,1 млрд параметров, созданная CultriX с помощью LazyMergekit на основе четырёх моделей: kaitchup/Mayonnaise-4in1-022, macadeliccc/WestLake-7B-v2-laser-truthy-dpo, vanillaOVO/supermario_v2 и FelixChao/WestSeverus-7B-DPO-v2. Это плотная Mistral-архитектура для авторегрессионной генерации текста, в том числе диалогов и ответов на запросы. Модель принимает текст и генерирует текст. Размер контекста — до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Языки и специализированные предметные области в доступных данных не определены. Модель подходит для диалоговых интерфейсов, генерации текстовых ответов и продолжения текста. Качество и поведение объединённой модели могут зависеть от конкретного запроса; сравнительные оценки и подробные сведения об обучении в карточке не приведены.

WestLakeSeverusV2-DPO-7B-DARE-TA — объединённая модель для генерации текста на основе архитектуры Mistral. Разработчик объединил FelixChao/WestSeverus-7B-DPO-v2 и macadeliccc/WestLake-7B-v2-laser-truthy-dpo методом dare_linear с помощью LazyMergekit; в конфигурации указаны веса 0,45 и 0,55, а также базовая модель mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и принимает контекст до 32 768 токенов. Она предназначена для диалоговой генерации текста и ответов на запросы. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Whisper-Large-V3-French — модель распознавания речи, разработанная дообучением openai/whisper-large-v3 для повышения качества транскрипции на французском языке. Она принимает аудио и генерирует текст с восстановленными регистрами, пунктуацией и числительными; подходит для коротких и длинных записей, включая разговоры с фоновым шумом и специализированной лексикой, например звонки в контакт-центр. Модель основана на архитектуре Whisper и содержит 905,2 млн параметров. Для длинных записей README описывает разбиение на сегменты по 30 секунд; такой режим может немного уступать последовательному декодированию по качеству, но обеспечивает более быструю обработку. В репозитории указаны веса safetensors и поддержка Transformers; README также описывает варианты использования в других реализациях Whisper. Модель выпущена под лицензией MIT. Её специализация — французская речь, поэтому качество для других языков не установлено приведёнными данными; результаты распознавания могут зависеть от шума, акцента и предметной лексики.

WildMBXMarconi-SLERP-7B — слитая модель генерации текста семейства Mistral, созданная с помощью LazyMergekit из BarryFutureman/WildMarcoroni-Variant1-7B и flemmingmiguel/MBX-7B. Слияние выполнено методом SLERP; модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста по запросу и диалогового взаимодействия. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов. В README приведены результаты Open LLM Leaderboard, включая показатели на тестах AI2 Reasoning Challenge и HellaSwag.

YamshadowInex12_PasticheAlloyingotneoy — слитая модель генерации текста, созданная объединением automerger/YamshadowInex12-7B и automerger/PasticheAlloyingotneoy-7B. Модель разработана на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста и диалоговых ответов. Контекстное окно составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0.

braginpawel/zft-v4-34b-kto-1 — дообученная Pawel Bragin разговорная языковая модель на архитектуре Mistral с 34,2 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; модель обучена на базе braginpawel/zft-v4-34b с использованием Unsloth и библиотеки TRL. Для запуска опубликованы веса в формате safetensors, лицензия — Apache-2.0. Заявленная длина контекста составляет 131 072 токена. В карточке и метаданных не описаны специальные предметные области или отдельные ограничения качества; практические результаты могут зависеть от промпта и сценария применения.

Это диалоговая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель разработана ShenaoZ и дообучена на основе ShenaoZ/0.00005_withdpo_4iters_bs256_5102lr_iter_2 методом DPO на обновлённом и исходном наборах данных. Модель предназначена для диалога и генерации текста. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии MIT.

ShenaoZhang выпустил дообученную модель Mistral с 7,1 млрд параметров для генерации текста и общения в формате чата. Она основана на HuggingFaceH4/mistral-7b-sft-beta и дообучена на датасетах updated и original. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 32 768 токенов. Модель подходит для диалога и генерации ответов на запросы. В карточке нет сведений о специальных возможностях, результатах оценки или ограничениях применения. Лицензия — MIT.

ShenaoZhang/0.001_idpo_same_iter_1 — дообученная модель Mistral для генерации текста и диалогового общения. Она создана на основе HuggingFaceH4/mistral-7b-sft-beta и дообучена на датасете HuggingFaceH4/ultrafeedback_binarized; в архитектуре используется плотная MistralForCausalLM с 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов. Модель подходит для генерации ответов и ведения диалога. Для репозитория указана лицензия MIT. Карточка не содержит сведений о результатах оценки качества или специальных ограничениях применения.

airoboros-gpt-3.5-turbo-100k-7b — языковая модель семейства Llama, дообученная разработчиком jondurbin на 100 тысячах синтетических пар инструкций и ответов, созданных с помощью gpt-3.5-turbo и варианта метода Self-Instruct. Модель предназначена для генерации текста по инструкциям: она может составлять письма, отвечать на запросы и создавать творческие тексты. В README приведено сравнение с несколькими моделями на примерах инструкций, но оно не является независимой оценкой качества. Модель имеет около 6,6 млрд параметров и контекстное окно 2048 токенов. Репозиторий содержит веса PyTorch; для использования автор рекомендует FastChat. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но ограничивает коммерческое применение. Описание указывает на обучение на синтетических данных и не сообщает о дополнительных проверках качества или безопасности.

All_like-zephyr-7b-sft-full — диалоговая языковая модель на архитектуре Mistral, дообученная на базе alignment-handbook/zephyr-7b-sft-full с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Она предназначена для генерации текста и ответов в чате. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит оценки качества, целевые языки или дополнительные ограничения применения; поэтому пригодность ответов следует проверять для конкретных сценариев.

AlphaMayo — диалоговая языковая модель, созданная слиянием Eric111/Mayo и mlabonne/AlphaMonarch-7B с помощью mergekit. В основе архитектуры лежит Mistral; модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в формате диалога. Указанная длина контекста — 32 768 токенов. Модель подходит для генерации ответов и выполнения инструкций в чат-сценариях. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README описывает конфигурацию слияния методом SLERP и точностью bfloat16.

Amadeus-Verbo-FI-Qwen2.5-72B-PT-BR-Instruct — языковая модель на основе Qwen2.5-72B-Instruct, разработанная Amadeus AI и дообученная на 600 тысячах инструкций за две эпохи для бразильского португальского языка. Она предназначена для диалогов и генерации текстов на португальском языке Бразилии; метаданные также указывают поддержку интерфейса вызова инструментов. Модель использует архитектуру Qwen2 с причинным языковым моделированием и содержит 71,5 млрд параметров по метаданным. В карточке описаны Transformer, RoPE, SwiGLU, RMSNorm и grouped-query attention. Метаданные указывают контекст 32 768 токенов; в README заявлена длина 133 072 токена. Модель работает через Transformers и распространяется под лицензией Apache-2.0.