III.4Клиентская поддержка и customer success

vistagi/Mixtral-8x7b-v0.1-dpo — разговорная языковая модель семейства Mixtral, представленная как модель генерации текста. В карточке указано обучение на базе Mixtral-8x7b-v0.1 с использованием LoRA; метаданные описывают архитектуру как MoE и указывают 7,1 млрд параметров. Модель рассчитана на диалоговые сценарии и генерацию ответов по текстовым запросам. Её можно применять для ведения диалога и создания текстовых ответов на английском языке. Контекстное окно составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README описывает supervised fine-tuning на Ultrachat-200K, тогда как в метаданных указан датасет UltraFeedback; поэтому конкретный режим обучения именно этой версии DPO по доступным сведениям подтвердить нельзя.

Это разговорная плотная модель семейства Llama 3, дообученная разработчиком mjm4dl на базе unsloth/llama-3-8b-Instruct. Она содержит 7,5 млрд параметров и предназначена для генерации текста и ответов в диалоге; может использоваться в чат-ботах и приложениях, где нужны ответы на текстовые запросы. Модель принимает текст и выдаёт текст, поддерживает английский язык, а длина контекста составляет 8192 токена. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки TRL; сведений о специализированной предметной области или сравнительных оценках качества нет.

Monarch-7B-dare — текстовая генеративная модель на архитектуре Mistral, созданная mlabonne методом слияния моделей через LazyMergekit. В конфигурации указаны OmniTruthyBeagle-7B-v0 и NeuBeagle-7B; для NeuBeagle задан вес 0,45 и плотность 0,53, применён метод dare_ties. Метаданные каталога связывают модель с NeuBeagle-7B как с базовой дообученной моделью. Модель предназначена для генерации и продолжения текста, включая диалоговые ответы. Она содержит 7,1 млрд параметров, принимает текст и выдаёт текст, а длина контекста составляет 32 768 токенов. Указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.

zelk12/MT1-Gen2-gemma-2-9B — объединённая разговорная языковая модель на архитектуре Gemma 2, подготовленная с помощью mergekit из zelk12/MT1-Gen2-GMA-gemma-2-9B и zelk12/MT1-Gen2-BIMMMU-gemma-2-9B. Для слияния использован метод SLERP с параметром t=0,25; веса указаны в формате bfloat16. Модель содержит 9 млрд параметров и работает через библиотеку Transformers. Модель предназначена для генерации текста в диалоговом формате. Её можно применять для ответов на вопросы, ведения беседы и создания связных текстовых продолжений. Заявленное нативное контекстное окно составляет 8192 токена. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Модель основана на Gemma 2 и унаследовала ограничения и условия использования исходных моделей; отдельная лицензия в предоставленных данных не приведена.

zelk12/MT1-Max-Merge_02012025163610-GP-gemma-2-MTM5MT1g2-9B — объединённая методом SLERP модель на базе Gemma 2, созданная из zelk12/MT1-Gen2-gemma-2-9B и zelk12/MT-Merge5-gemma-2-9B с помощью mergekit. Это плотная авторегрессионная языковая модель с 9 млрд параметров, рассчитанная на генерацию текста и диалоговые сценарии; она принимает текст и выдаёт текст. Модель использует библиотеку Transformers, распространяется в формате safetensors и поддерживает контекст до 8192 токенов. В карточке не приведены сведения о специализации на отдельных языках или предметных областях. Условия лицензии в предоставленных данных не указаны.

zelk12/MT2-IB-gemma-2-9B — это объединённая модель для генерации текста и диалогов, созданная с помощью mergekit из двух предварительно обученных моделей Gemma 2. Для слияния использован метод SLERP с параметром t=0.5; базовой указана zelk12/MT2-IF-gemma-2-RIv0.1RAt0.25v0.1-9B. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и веса в формате safetensors и bfloat16. Модель рассчитана на текстовый ввод и генерацию ответов в диалоговом формате. Контекстное окно составляет 8192 токена. Карточка не описывает отдельную предметную специализацию или подтверждённый набор языков. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen1-gemma-2-9B — объединённая языковая модель от zelk12, созданная из двух моделей семейства Gemma 2 с помощью mergekit и метода SLERP. Это плотная авторегрессионная модель на 9 млрд параметров для генерации текста и диалогового общения; она использует формат safetensors и работает с контекстом до 8192 токенов. Модель подходит для генерации ответов и диалогов. В README приведены результаты оценки на IFEval и BBH; среднее значение указано как 31,05. Модель объединяет zelk12/MT3-Gen1-BI-gemma-2-9B и zelk12/MT3-Gen1-MMMUMAG-gemma-2-9B. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen5-BMU-gemma-2-9B — слитая модель Gemma 2 на 9 млрд параметров, созданная автором репозитория с помощью mergekit методом SLERP из двух предварительно обученных моделей. Она предназначена для генерации текста и диалогового общения; такие модели можно применять для ответов на запросы и создания связного текста. Модель использует архитектуру Gemma2ForCausalLM, работает с текстом и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате safetensors; в конфигурации слияния указан тип bfloat16. Карточка не описывает специальные языковые или предметные специализации, поэтому модель следует считать общего назначения. Лицензия в предоставленных данных не указана.

zelk12 выпустила диалоговую модель MT4-Gen3-MM-gemma-2-Rv0.4MT4g2-9B — слияние двух предварительно обученных языковых моделей методом SLERP с помощью mergekit. В состав вошли zelk12/MT4-Gen2-gemma-2-9B и recoilme/recoilme-gemma-2-9B-v0.4. Модель построена на плотной архитектуре Gemma 2 с 9 млрд параметров и контекстом до 8192 токенов; карточка указывает поддержку общения в чате и генерации текста. Модель предназначена для диалоговой генерации текста и может использоваться в чат-ботах и для создания текстовых ответов на запросы. Репозиторий указан в формате safetensors и использует библиотеку Transformers. Сведения о лицензии, языковом охвате и специальных ограничениях качества в предоставленных материалах отсутствуют.

zelk12 создал эту объединённую языковую модель на основе Gemma 2, объединив методом SLERP две модели: zelk12/MT4-Gen5-GP-gemma-2-MTMMT3g4-9B и zelk12/MT4-Gen5-MA-gemma-2-MT4g2MT3g4-9B. Модель использует плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и рассчитана на генерацию текста и диалоги; для запуска доступна в формате safetensors через Transformers. Модель принимает текст и генерирует текст, а её контекстное окно составляет 8192 токена. Карточка не описывает отдельные специализированные области или языки, поэтому её назначение следует считать общим. Условия лицензии в предоставленных данных не приведены.

zelk12/MT-BM-gemma-2-9B — языковая модель, созданная разработчиком zelk12 слиянием двух предварительно обученных моделей Gemma 2 9B с помощью mergekit и метода SLERP. Это плотная авторегрессионная модель с архитектурой Gemma2ForCausalLM, рассчитанная на генерацию текста и диалоговое взаимодействие. Размер модели — 9 млрд параметров, нативное окно контекста — 8192 токена; веса опубликованы в формате safetensors. Модель подходит для диалоговой генерации и других сценариев, где требуется продолжать или создавать текст по запросу. README указывает на слияние zelk12/MT-BB-gemma-2-RAt0.75v0.1Rv0.4-9B и zelk12/MT-MU-gemma-2-Rv0.3G-9B, с базовой моделью zelk12/MT-BB-gemma-2-RAt0.75v0.1Rv0.4-9B и типом данных bfloat16. Данные о поддерживаемых естественных языках и лицензии в предоставленных источниках отсутствуют.

zelk12/MT-Max-Merge_02012025163610-MUG-gemma-2-9B — языковая модель, созданная автором репозитория объединением двух моделей Gemma 2 с помощью SLERP в mergekit. Это плотная причинная языковая модель на 9 млрд параметров для генерации текста и диалогового общения; она принимает текст и выдаёт текст. Нативный контекст составляет 8192 токена, модель предназначена для работы через Transformers и распространяется в формате safetensors. Модель подходит для генерации ответов в диалогах и других сценариев генерации текста. Она является объединением моделей zelk12/MT-Max-Merge_02012025163610-GP-gemma-2-MTg4MT5g4-9B и zelk12/MT-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B; README указывает базовую модель объединения zelk12/MT-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B. Языки, специальные отраслевые задачи и условия лицензии в доступных сведениях не определены.

zelk12 создал эту разговорную модель объединением двух предварительно обученных языковых моделей Gemma 2 с помощью метода SLERP. Это плотная авторегрессионная модель класса Gemma2ForCausalLM с 9 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors; в README также указано, что доступны статические варианты GGUF. Модель подойдёт для диалоговых приложений и генерации текста. Сведения о лицензии и конкретных ограничениях в предоставленных материалах отсутствуют.

zelk12/MT-Merge4-gemma-2-9B — разговорная языковая модель на архитектуре Gemma 2, созданная разработчиком zelk12 путём слияния двух предварительно обученных моделей: zelk12/MT-Merge4-BMUGI-gemma-2-9B и zelk12/MT-Merge4-MMMA-gemma-2-9B. Для объединения применён метод SLERP через mergekit; модель имеет около 9 млрд параметров, работает с текстом и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате и общих сценариев общения с языковой моделью. В README приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH, но они не гарантируют качество на конкретных пользовательских задачах. Репозиторий содержит веса safetensors и использует лицензию Gemma; применение должно соответствовать её условиям.

zelk12/MT-Merge4-GP-gemma-2-MTg4MT4g4-9B — объединённая методом SLERP языковая модель на архитектуре Gemma 2, созданная из zelk12/MT-Gen4-gemma-2-9B и zelk12/MT4-Gen4-gemma-2-9B с помощью mergekit. Модель содержит 9 млрд параметров, распространяется в формате safetensors и рассчитана на генерацию текста и диалоговое взаимодействие с контекстом до 8192 токенов. Модель предназначена для генерации текста и ведения диалогов. Данные не уточняют её языковую специализацию или дополнительные предметные области, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных источниках не приведена.

zelk12 объединил методом SLERP две предварительно обученные языковые модели Gemma 2: zelk12/MTM-Merge-BB-gemma-2-MTMMTM5-9B и zelk12/MTM-Merge-IF-gemma-2-MTMMTM1-9B. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и рассчитана на генерацию текста и диалоговые ответы с контекстом до 8192 токенов. Модель можно применять для ведения диалогов и генерации текста в сценариях, где подходит универсальная языковая модель. Веса опубликованы в формате Safetensors; в карточке указана библиотека Transformers. Сведения о лицензии и языковой специализации в предоставленных данных отсутствуют.

dazednaut/muadbot — текстовая генеративная модель, дообученная разработчиком dazednaut на базе unsloth/gemma-2-27b-it-bnb-4bit. Она предназначена для диалогового взаимодействия и генерации текста. Модель использует архитектуру Gemma 2 с 27,6 млрд параметров и контекстом до 8192 токенов; карточка указывает обучение с Unsloth и библиотекой TRL. Поддерживается английский язык. Модель распространяется по лицензии Apache-2.0.

Многоязычная модель классификации эмоций Anas Hamid Alokla, дообученная на базе google-bert/bert-base-multilingual-cased на наборе multilingual_go_emotions. Она анализирует текст и присваивает ему несколько меток одновременно: 27 категорий эмоций и нейтральную категорию. Модель построена на архитектуре BERT с классификационной головой, содержит 205,1 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель предназначена для анализа отзывов и обращений клиентов, мониторинга настроений в соцсетях, поддержки эмоционально чувствительных чат-ботов и разметки текстов по эмоциональным категориям. В карточке заявлена поддержка арабского, английского, французского, испанского, нидерландского и турецкого языков; модель доступна для использования через Transformers. Лицензия — MIT. Качество зависит от языка, частоты конкретной эмоции и порогов классификации; приведённые в карточке метрики относятся к тестовой выборке. Классификация эмоций не определяет намерения или психологическое состояние человека и не должна использоваться как самостоятельная оценка психического здоровья.

MyModelsMerge-7b — объединённая модель генерации текста на базе архитектуры Mistral, созданная Kukedlc с помощью LazyMergekit. В состав слияния вошли liminerity/M7-7b и модели Kukedlc, включая Neural4gsm8k, Jupiter-k-7B-slerp, NeuralMaxime-7B-slerp, NeuralFusion-7b-Dare-Ties, Neural-Krishna-Multiverse-7b-v3, NeuTrixOmniBe-DPO и NeuralSirKrishna-7b. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев общего назначения. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

MythoMist-7b-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral, созданная объединением mistralai/Mistral-7B-Instruct-v0.2 и Gryphe/MythoMist-7b методом SLERP с помощью MergeKit. В репозитории указаны веса в формате safetensors и точность bfloat16; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста в диалоге и ответов на инструкции. Её можно применять для чат-ботов, черновиков текстов, ответов на вопросы и творческого письма. Карточка не указывает специальные языки или предметные области. Модель распространяется по лицензии Apache-2.0.

Nawah-Router-BERT-6M-v2 — арабская модель для маршрутизации текстовых запросов по категориям. Разработчик — oddadmix. Она принимает текст и категории на естественном арабском языке, оценивает их за один проход и не требует заранее заданной таксономии. Модель дообучена на базе oddadmix/Nawah-BERT-6M-v2 и использует архитектуру BERT; размер — 6,2 млн параметров, контекст — до 2048 токенов. В приведённых в карточке оценках модель превосходит более крупный Nawah-Router-v3 на наборах новых категорий и доменов, но уступает ему на новых осях классификации; автор отмечает, что результаты близки и основаны на одном запуске. Модель опубликована в формате safetensors, использует библиотеку Transformers и распространяется по лицензии Apache-2.0.

NbAiLab разработала эту модель на основе предварительно обученного норвежского NB-BERT Base и дообучила её для задачи MultiNLI на машинно переведённой на норвежский язык версии набора данных. Модель использует архитектуру BERT для классификации последовательностей и позволяет присваивать текстам категории, заданные пользователем, без отдельного обучения на этих категориях: названия классов преобразуются в гипотезы, например «Этот текст о спорте». Для лучших результатов рекомендуется формулировать шаблон гипотезы по-норвежски. Модель предназначена для классификации норвежских текстов по произвольному набору тем или других категорий. Она принимает текст и выдаёт оценки соответствия заданным классам. Контекст ограничен 512 токенами; доступны веса в форматах PyTorch, Flax и Safetensors. Лицензия — CC BY 4.0. Качество зависит от формулировок гипотез и названий классов; обучение на машинно переведённом MNLI может влиять на результаты.

Negativelikelihood-zephyr-7b-sft-full — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная на alignment-handbook/zephyr-7b-sft-full с использованием набора HuggingFaceH4/ultrafeedback_binarized. Она предназначена для генерации текста и ответов в чате. Модель принимает текст и выдаёт текст; заявленный контекст — до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Подробные сведения о качестве, оценках и специальных ограничениях в карточке не приведены.

NeuralsirkrishnaShadow_Multi_verse_modelM7 — объединённая текстовая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Multi_verse_modelM7-7B. Модель содержит 7,1 млрд параметров и принимает текст для генерации продолжений и диалоговых ответов; максимальный контекст составляет 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. В карточке не описаны целевые языки, специальные предметные области или отдельные ограничения качества, поэтому она подходит для общих сценариев генерации текста.

NeuralsirkrishnaShadow_NeuralsirkrishnaM7 — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/NeuralsirkrishnaM7-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста и диалоговых сценариев; поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель принимает текст и выдаёт текст. В карточке не описаны специализированные области применения или языки. Лицензия — Apache 2.0.

NeuralsirkrishnaShadow_YamMulti_verse_model — объединённая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/YamMulti_verse_model-7B. Она предназначена для генерации текста по текстовому запросу и поддерживает контекст длиной до 32 768 токенов. Веса доступны в формате safetensors; размер модели — 7,1 млрд параметров. Разработчик в карточке отдельно не указан. Лицензия — Apache-2.0.

Noromaid-7b-v0.1.1-Mistral-7B-Instruct-v0.1 — диалоговая языковая модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.1 и NeverSleep/Noromaid-7b-v0.1.1 методом SLERP. Модель содержит 7,1 млрд параметров, представлена в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по инструкциям и ведения диалогов. Её можно применять для ответов на вопросы, написания текстов и интерактивных чат-сценариев. Карточка не сообщает специальных предметных областей или перечня поддерживаемых естественных языков. Модель распространяется по лицензии Apache-2.0. Качество ответов и безопасность генерации могут зависеть от запроса; сведений о специальных мерах защиты или оценках качества в карточке нет.

Notux 8x7B-v1 — диалоговая языковая модель команды Argilla, дообученная методом Direct Preference Optimization (DPO) на наборе предпочтений argilla/ultrafeedback-binarized-preferences-cleaned. В основе лежит инструктивная Mixtral 8x7B Instruct v0.1 с архитектурой разреженной смеси экспертов (MoE); метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы в диалоговом формате. В карточке указана поддержка английского, немецкого, испанского, французского и итальянского языков. Argilla сообщала, что на момент декабря 2023 года модель превосходила исходную Mixtral на оценке Open LLM Leaderboard; эти результаты относятся к указанному набору оценок и не гарантируют качество для каждого сценария. Модель распространяется в формате safetensors и использует лицензию Apache-2.0 по метаданным Hugging Face; в README указана MIT, поэтому сведения о лицензии в источниках расходятся и требуют проверки перед использованием.

OpenBuddy Atom 13B v9 — многоязычная разговорная модель, созданная командой OpenBuddy на архитектуре Llama. Она предназначена для генерации ответов в диалоге, чат-ботов и свободного текстового взаимодействия. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст; заявленный контекст — 2048 токенов. В метаданных перечислены китайский, английский, французский, немецкий, японский, корейский, итальянский и русский языки. Модель распространяется в формате PyTorch по лицензии Apache 2.0. Она может выдавать ошибочные, вредные или оскорбительные ответы; разработчики предостерегают от применения в критических и высокорисковых сценариях, включая медицину и важные финансовые или юридические решения.

OpenBuddy-falcon-7b-v5-fp16 — это многоязычная чат-модель OpenBuddy на базе Falcon, предназначенная для диалогов и генерации ответов. Она использует плотную архитектуру RefinedWebModel с причинным языковым моделированием; в репозитории указано 10,9 млрд параметров и формат PyTorch. Модель рассчитана на работу с текстом и поддерживает китайский, английский, французский, немецкий, японский, корейский, итальянский и русский языки. Модель подходит для чат-ботов, ответов на вопросы и генерации текста. Репозиторий распространяется по лицензии Apache 2.0. Авторы предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными; модель не следует использовать в критически важных медицинских, финансовых, юридических сценариях или для управления потенциально опасными системами.