III.4Клиентская поддержка и customer success

FusedKuno — разговорная языковая модель, созданная слиянием Nitral-AI/Kunocchini-7b-128k-test и Virt-io/FuseChat-Kunoichi-10.7B с помощью LazyMergekit. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; веса представлены в формате Safetensors, а слияние выполнено методом SLERP с настройками для слоёв self-attention и MLP. Модель предназначена для генерации текста и диалогового общения. Метаданные указывают контекстное окно 32 768 токенов. Модель распространяется по лицензии Apache-2.0. Карточка не содержит описания специальных прикладных областей или языковой специализации.

Columbidae/gemma-2-4b-it-upscaled — разговорная языковая модель семейства Gemma 2, созданная слиянием предобученных моделей через mergekit методом Passthrough. В состав слияния вошла unsloth/gemma-2-2b-it; метаданные также указывают на неё как на базовую модель. Модель содержит 3,9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на запросы, ведения беседы и создания текстовых черновиков. В карточке указана лицензия, однако доступные сведения её не раскрывают.

recoilme/Gemma-2-Ataraxy-Gemmasutra-9B-slerp — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров. В метаданных указана базовая модель lemon07r/Gemma-2-Ataraxy-9B; веса опубликованы в формате Safetensors, модель предназначена для генерации текста и общения.

Gemma 3 270M — компактная языковая модель семейства Gemma от Google, созданного на основе исследований и технологий Gemini. Репозиторий содержит текстовую версию модели в формате safetensors, предназначенную для генерации текста; размер 270 млн параметров следует из идентификатора модели. Лицензия — Gemma. Модель подходит для генерации и преобразования текста, диалоговых интерфейсов, суммаризации и ответов на вопросы. Компактный размер облегчает запуск на устройствах и инфраструктуре с ограниченными ресурсами. В README для семейства Gemma 3 указаны окно контекста 128K и поддержка более 140 языков, но эти характеристики не подтверждены отдельно для текстовой версии на 270M. Качество ответов зависит от обучающих данных и формулировки запроса; модель может упускать языковые нюансы, допускать фактические ошибки и испытывать трудности со сложными открытыми задачами. README описывает мультимодальные возможности семейства, однако данный репозиторий помечен как text-generation, поэтому визуальный ввод не заявлен для этой модели.

unsloth/gemma-3-270m-it-qat — облегчённая инструктивная модель семейства Gemma 3, опубликованная Unsloth и основанная на google/gemma-3-270m-it-qat-q4_0-unquantized. Это плотная авторегрессионная языковая модель с 257 млн параметров, предназначенная для генерации текста и диалоговых сценариев. В метаданных указаны библиотека Transformers и контекст до 32 768 токенов. Модель подходит для чат-ботов, черновиков текстов, кратких пересказов и ответов на вопросы. README семейства Gemma 3 описывает поддержку более 140 языков и приём изображений, однако метаданные этой конкретной репозитории указывают текстовую архитектуру Gemma3ForCausalLM и задачу text-generation; поэтому визуальные возможности семейства нельзя уверенно приписать этой версии. Карточка заявляет, что Unsloth Dynamic 2.0 обеспечивает высокую точность квантования, но формат файлов репозитория указан как safetensors. Модель может ошибаться в фактах, хуже справляться со сложными или неоднозначными запросами и наследовать смещения обучающих данных. Лицензия — Gemma; перед использованием следует учитывать её условия.

Gemma 3 27B PT — мультимодальная модель Google, представленная на Hugging Face в версии, опубликованной Unsloth. Это дообучение предварительно обученной модели google/gemma-3-27b-pt; архитектура Gemma 3 — плотная, с 27 млрд параметров. Модель принимает текст и изображения и генерирует текст. В карточке семейства указаны контекст до 128 тыс. токенов и поддержка более 140 языков. Модель подходит для ответов на вопросы по изображениям и тексту, извлечения и суммирования визуальной информации, генерации текста, диалоговых интерфейсов и суммаризации документов. Карточка также описывает применение в исследованиях и образовательных инструментах. Это предварительно обученная версия, а не вариант, специально настроенный для следования инструкциям. Доступны веса в формате Safetensors; лицензия — Gemma. Качество ответов зависит от обучающих данных и формулировки запроса: возможны предвзятые, ошибочные или устаревшие утверждения, а также трудности с нюансами языка и сложными открытыми задачами. Для надёжных результатов ответы следует проверять.

Gemma-Evo-10B — объединённая языковая модель автора Aashraf995, созданная с помощью mergekit методом Model Stock. В объединение вошли allknowingroger/GemmaSlerp2-9B, allknowingroger/GemmaSlerp5-10B и gmonsoon/gemma2-9b-sahabatai-v1-instruct-BaseTIES; базовой моделью при слиянии указана allknowingroger/GemmaSlerp5-10B. Модель построена на архитектуре Gemma 2, содержит около 9 млрд параметров и работает с контекстом до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на запросы, ведения диалогов и создания текстовых черновиков. Репозиторий содержит веса в формате safetensors, библиотека — Transformers. Лицензия — Apache-2.0.

Sahajtomar/German_Zeroshot — модель Sahajtomar на базе GBERT Large, дообученная на немецкой части XNLI для классификации текста без примеров размеченных классов. Она оценивает текст по заданным пользователем кандидатным категориям; для немецкого следует использовать гипотезу-шаблон на немецком языке, например «In diesem geht es um {}». Английский шаблон по умолчанию в Hugging Face API может давать слабые результаты. Модель построена на архитектуре BERT для классификации последовательностей, содержит 434,5 млн параметров и рассчитана на контекст до 512 токенов. В карточке приведены точности 85,5% на немецкой dev-выборке XNLI и 83,6% на test-выборке. Указаны форматы PyTorch и Flax. Лицензия в предоставленных данных не указана.

rwitz2/go-bruins-v2.1.1 — текстовая генеративная модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Репозиторий содержит веса в формате Safetensors; заявленное окно контекста составляет 32 768 токенов. README сообщает, что модель основана на jan-hq/trinity-v1, дообученной методом DPO на Intel/orca_dpo_pairs, и содержит следы Cybertron-2. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового запроса. README заявлял о первом месте в таблице лидеров 16 декабря 2023 года, но не уточняет саму таблицу или условия оценки. Автор также предупреждает о возможном загрязнении некоторых обучающих данных и сообщает о планах устранить его в будущих версиях. Лицензия репозитория — CC; конкретный вариант лицензии не указан в предоставленных метаданных.

h2oai/h2ogpt-gm-oasst1-en-2048-falcon-40b-v2 — языковая модель H2O.ai, дообученная с помощью H2O LLM Studio на персонализированной подготовке набора OpenAssistant/oasst1. В основе лежит tiiuae/falcon-40b; метаданные указывают архитектуру RefinedWeb, плотную авторегрессионную модель RWForCausalLM и 65 млрд параметров. Модель предназначена для генерации текста на английском языке, в том числе для диалогов и ответов на вопросы. Модель можно применять для создания черновиков, диалоговых ответов и классификации или разметки текста. В репозитории указана лицензия Apache-2.0. README предупреждает, что ответы могут содержать ошибки, быть нерелевантными или воспроизводить предвзятые и оскорбительные высказывания; результаты следует проверять.

Banking Multilingual Intent Classifier — дообученная на базе google/muril-base-cased модель BERT для классификации намерений в банковских чат-ботах. Она распределяет текстовые обращения по 14 категориям, включая проверку баланса, переводы, поддержку карт и банкоматов, сведения о счёте, комиссии и приветствия. Модель рассчитана на английский, бенгальский в бенгальской письменности, бенгальский в латинской транслитерации и смешанные англо-бенгальские запросы. Это классификатор последовательностей на 264,8 млн параметров с контекстом до 512 токенов; веса доступны в формате safetensors. В карточке заявлены точность 99,12% и макро-F1 99,08% на тестовом наборе. Модель предназначена для маршрутизации обращений и автоматизации поддержки в банковских чат-ботах. Она не учитывает многоходовый контекст, может ошибаться на коротких неоднозначных фразах, а синтетические данные обучения способны смещать стиль ответов; для низкой уверенности рекомендуется передача запроса оператору. Модель не предназначена для выявления мошенничества, анализа тональности, финансовых рекомендаций или автоматизации правового и регуляторного соответствия. Лицензия — Apache-2.0.

Harsha-Hermes-2.5-Mistral-7B — диалоговая языковая модель на архитектуре Mistral, разработанная Inforup982. Это DPO-дообучение модели teknium/OpenHermes-2.5-Mistral-7B на датасете предпочтений Intel/orca_dpo_pairs. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации ответов в диалоге; заявленная длина контекста — 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и создания текстовых ответов по запросу. Веса опубликованы в формате Safetensors по лицензии Apache-2.0. Карточка не описывает отдельные ограничения или результаты оценки качества.

HelpSteer-filtered-neural-chat-7b-v3-1-7B — объединённая языковая модель на базе Intel/neural-chat-7b-v3-1 и Weyaxi/HelpSteer-filtered-7B-Lora. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. В карточке нет сведений о поддерживаемых языках и специализированных областях применения.

HelpSteer-filtered-Solar-Instruct — языковая модель для диалоговой генерации текста, созданная Weyaxi. Модель с плотной архитектурой Llama содержит 10,6 млрд параметров и дообучена на базе upstage/SOLAR-10.7B-Instruct-v1.0 с использованием отфильтрованной версии датасета Nvidia HelpSteer. Модель предназначена для ответов на пользовательские запросы в формате чата и других сценариев генерации текста на английском языке. Контекст составляет до 4096 токенов. Веса опубликованы в формате safetensors по лицензии Apache-2.0.

Hermes-2-Pro-11B — текстовая генеративная модель Matt Shumer, созданная с помощью LazyMergekit на основе NousResearch/Hermes-2-Pro-Mistral-7B. Несмотря на описание README как слияния нескольких моделей, в нём перечислена одна и та же базовая модель десять раз; метаданные каталога классифицируют связь как дообучение. Архитектура — плотная MistralForCausalLM, размер — 11 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для диалогов и генерации текста по инструкциям. Лицензия Apache-2.0. Карточка не приводит отдельных оценок качества или подробностей обучения, поэтому пригодность для конкретной задачи следует проверять на собственных примерах.

Jebadiah/hermes-SOVL-stone-l3-8b — объединённая языковая модель на архитектуре Llama 3, созданная с помощью mergekit методом DARE TIES. В объединение вошли ResplendentAI/SOVL_Llama3_8B как базовая модель и NousResearch/Hermes-2-Pro-Llama-3-8B; конфигурация задаёт для Hermes плотность 0,53 и вес 0,4. Модель содержит 7,5 млрд параметров и использует контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста и ответов на запросы в чат-сценариях. Метаданные указывают библиотеку Transformers и формат safetensors. Основой служат модели Llama 3, одна из которых описана в каталоге как дообученная диалоговая модель для следования инструкциям, вызова функций и генерации структурированных данных JSON. Лицензия в предоставленных данных не указана. Качество и ограничения конкретного объединения в README не описаны; возможности базовой модели не гарантируют их сохранение после слияния.

Higgs-Llama-3-70B — языковая модель Boson AI, дообученная на основе meta-llama/Meta-Llama-3-70B. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров, рассчитанная на генерацию текста и диалоги; для работы используется формат prompt’ов Meta-Llama-3-70B-Instruct, а максимальная длина контекста составляет 8192 токена. Модель специально настроена для ролевых диалогов и старается последовательно придерживаться заданной роли и системного сообщения. Она также предназначена для следования инструкциям и рассуждений в задачах общего назначения. Обучение включало контролируемую настройку на инструкциях и чатах, а затем итеративную оптимизацию предпочтений с участием человеческих разметчиков и внутренних языковых моделей. Модель принимает текст и генерирует текст. Карточка сообщает о настройке поведения, но не приводит здесь численные результаты оценивания: таблицы бенчмарков опущены. Для использования весов указана лицензия other; конкретные условия следует сверять с лицензией репозитория и базовой модели Meta-Llama-3-70B.

Ice0.50.1-16.01-RP — языковая модель на архитектуре Mistral, созданная объединением предварительно обученных моделей с помощью SLERP через mergekit. Репозиторий содержит веса Safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Метаданные указывают поддержку диалогового режима и генерации текста. Модель подходит для диалогов и генерации ответов на текстовые запросы. README подтверждает объединение Ice0.40-20.11-RP и IceDrunkenCherryRP-7b-orpo-merged, однако их локальные пути не позволяют определить публичные идентификаторы базовых моделей. Лицензия в предоставленных данных не указана.

Ice0.52.1-16.01-RP — диалоговая языковая модель на архитектуре Mistral, созданная автором репозитория слиянием предварительно обученных моделей методом SLERP с помощью mergekit. В слияние вошли Ice0.40-20.11-RP и IceDrunkenCherryRP-7b-orpo-merged3; веса сохранены в формате safetensors. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Лицензия в предоставленных сведениях не указана, поэтому условия использования следует проверить на странице репозитория Hugging Face. Карточка не приводит оценок качества или подробных ограничений на сценарии применения.

InstructPalmyra-20b — англоязычная причинно-следственная авторегрессионная языковая модель с архитектурой GPT-2, разработанная Writer и дообученная на базе Palmyra-20B. По карточке, модель обучена на примерно 70 тысячах пар «инструкция — ответ» и предназначена для выполнения текстовых инструкций и генерации ответов. Размер составляет 20 млрд параметров, контекст — 2048 токенов. Модель подходит для создания виртуальных помощников, поддержки клиентов и генерации контента. Она принимает текст и выдаёт текст; карточка заявляет английский как основной язык. Распространяется по лицензии Apache 2.0. Модель может генерировать фактически неверные ответы и отражать стереотипы из веб-данных; возможен нежелательный контент. Она плохо обобщает на языки, отличные от английского. Перед использованием результатов нужна проверка человеком, а для применения в продуктивной среде карточка рекомендует оценить риски и настроить защитные механизмы.

Jev-Style-Qwen3.5-2B-Decision-v2-MLX-bf16 — англоязычная модель для классификации, маршрутизации и выбора типизированного ответа из заданного списка. Она основана на Qwen3.5-2B и дообучена в формате Jev-style: получает описание состояния, вопрос и от 2 до 26 вариантов, а за один проход выдаёт вероятности выбора с применением калибровки. Репозиторий содержит веса MLX в BF16, клиент инференса и материалы оценки; указанный размер модели — 1,7 млрд параметров, нативный контекст — 262 144 токена. Модель предназначена для задач с заранее заданными ответами, включая классификацию текста, логические вопросы, маршрутизацию и упорядоченные оценки. В фиксированной англоязычной панели автор сообщает точность 81,20% и улучшение метрик относительно сравниваемых моделей; эти результаты относятся к описанному набору задач и не гарантируют аналогичного качества на других данных. Интерфейс ограничивает промпт 1 024 токенами, хотя контекстная ёмкость базовой архитектуры больше. Этот вариант рассчитан на запуск через MLX на Apple Silicon. Лицензия — Apache-2.0.

K2S3-Mistral-7b-v1.42 — текстовая авторегрессионная модель, разработанная K2S3 и дообученная на базе mistralai/Mistral-7B-v0.1. Это плотная модель семейства Mistral на 7,2 млрд параметров для генерации текста и диалоговых ответов. Модель обучена методом полного SFT на данных alpaca-gpt4-data и части OpenOrca. Она принимает текст и генерирует текст; метаданные указывают контекст до 32 768 токенов и поддержку английского языка. Веса опубликованы в формате safetensors. Модель подходит для ответов на инструкции и вопросов, а также для генерации и продолжения текста на английском языке. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Kosmos-EVAA-v7-8B — объединённая языковая модель, созданная автором jaspionjader с помощью mergekit методом SLERP из jaspionjader/Kosmos-EVAA-v3-8B и jaspionjader/Kosmos-EVAA-v6-8B. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и принимает текст для генерации текста и диалогов; контекст составляет до 8192 токенов. Модель подходит для генерации ответов и продолжения текста в диалоговых и текстовых сценариях. В репозитории указаны веса safetensors и формат bfloat16. Лицензия в предоставленных данных не указана.

Карточка модели KR-X-AI/krx-gemma-2-9b-8-16-32-tb-3 на Hugging Face совпадает с карточкой KR-X-AI/krx-gemma-2-9b-4-8-8-tb-3, поэтому описание составлено по ней. KR-X-AI выпустила разговорную модель генерации текста на базе Gemma 2. Это дообучение unsloth/gemma-2-9b-it-bnb-4bit с использованием Unsloth и библиотеки TRL; модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2 и поддерживает контекст до 8192 токенов. Она предназначена для диалогов и генерации текста по запросу. Модель принимает текст и выдаёт текст; в метаданных указан английский язык. Репозиторий распространяется по лицензии Apache-2.0.

KR-X-AI разработала эту разговорную языковую модель на базе Qwen2-7B-Instruct. Это плотная авторегрессионная модель с 7,1 млрд параметров для генерации текста и диалогов; заявленное окно контекста составляет 32 768 токенов. Модель дообучена от unsloth/qwen2-7b-instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для чат-сценариев и генерации ответов на текстовые запросы. В метаданных указан английский язык. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

kukuspice-v1-7B — объединённая методом SLERP языковая модель, созданная с помощью mergekit из cgato/TheSpice-7b-v0.1.1 и grimjim/kuno-kunoichi-v1-DPO-v2-SLERP-7B. Модель использует архитектуру Mistral с плотной causal language model и содержит 7,1 млрд параметров. Она предназначена для генерации текста и диалогов. Контекстное окно составляет до 32 768 токенов. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

KunaiBeagle-Hermes-7b — объединённая языковая модель, созданная seyf1elislam с помощью mergekit методом DARE TIES. В объединение вошли seyf1elislam/KunaiBeagle-7b и teknium/OpenHermes-2.5-Mistral-7B; базовая архитектура — Mistral-7B-v0.1. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 7,1 млрд параметров, использует архитектуру Mistral с плотной причинной языковой моделью и поддерживает контекст до 32 768 токенов. Репозиторий предоставляет веса в формате safetensors. Карточка не описывает специализированную предметную область или отдельные гарантии качества. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя.

SvalTek/L3-ColdBrew-OldSpice — слитая разговорная языковая модель семейства Llama 3, созданная SvalTek с помощью mergekit. В неё объединены SvalTek/L3-ColdBrew-SpicyReflect и SvalTek/L3-ColdBrew-Astrid методом passthrough merge. Модель предназначена для генерации текста и ведения диалога. Она имеет плотную архитектуру LlamaForCausalLM, содержит 9,2 млрд параметров и поддерживает контекст до 8192 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Карточка не сообщает об ограничениях, специализированных областях или лицензии модели.

Fischerboot/ll3-test-6 — плотная языковая модель семейства Llama, созданная с помощью mergekit методом SLERP на основе Fischerboot/ll3-test-5. Репозиторий содержит веса в формате safetensors; размер модели — 6 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогового общения.

Карточка модели Justbackup/Llama-3.3-70B-Instruct-ablated на Hugging Face совпадает с карточкой NaniDAO/Llama-3.3-70B-Instruct-ablated, поэтому описание составлено по ней. NaniDAO/Llama-3.3-70B-Instruct-ablated — диалоговая модель NaniDAO на архитектуре Llama 3.3, полученная дообучением Meta-Llama-3.3-70B-Instruct с применением техники абляции. Модель предназначена для следования инструкциям и генерации ответов в чате; авторы заявляют, что она реже отказывает на допустимые запросы и рассчитана на более свободное взаимодействие. Модель содержит 69,5 млрд параметров, принимает и генерирует текст, работает с контекстом до 131 072 токенов. В метаданных заявлена поддержка английского, французского, итальянского, португальского, хинди, испанского, тайского и немецкого языков. Доступна в формате safetensors для библиотеки Transformers; лицензия — llama3. Она подходит для диалоговых ассистентов и генерации текста, но заявленное снижение числа отказов требует ответственного применения и не гарантирует точность или безопасность ответов.