III.4Клиентская поддержка и customer success

OpenBuddy/openbuddy-llama-65b-v8-bf16 — многоязычная чат-модель OpenBuddy на архитектуре LLaMA, основанная на LLaMA от Meta. Это плотная авторегрессионная модель с 65,1 млрд параметров, рассчитанная на генерацию текста; исходные веса представлены в формате PyTorch и точности bf16, указанной в названии репозитория. Родная длина контекста составляет 2048 токенов. Модель предназначена для диалогов и генерации ответов на нескольких языках, включая китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Её можно применять для чат-ботов и текстовых ассистентов. Карточка предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендует использовать модель в медицинских и других критически важных сценариях. Использование модели зависит от лицензии Meta LLaMA: требуется соответствовать условиям Meta и получить разрешение на доступ к исходной модели.

OpenBuddy-llemma-34b-v13.1 — модель семейства LLaMA, опубликованная проектом OpenBuddy как многоязычный чат-бот. Это плотная авторегрессионная языковая модель с 33,5 млрд параметров, предназначенная для генерации текста в диалоге и ответов на запросы. Модель принимает текст и генерирует текст; заявлены китайский, английский, французский, немецкий, японский, корейский, итальянский и русский языки. Длина контекста составляет 4096 токенов. Модель подходит для диалоговых интерфейсов и универсальных текстовых помощников. README предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, поэтому модель не следует применять в критических сценариях, включая медицину, управление потенциально опасными системами и важные финансовые или юридические решения. Использование регулируется лицензией Llama 2 от Meta; для доступа требуется одобрение Meta и соответствие её условиям.

Карточка модели OpenBuddy/openbuddy-mistral2-7b-v20.1-32k на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-mistral2-7b-v20.3-32k, поэтому описание составлено по ней. OpenBuddy-mistral2-7b-v20.3-32k — плотная чат-модель семейства Mistral с 7,1 млрд параметров, разработанная проектом OpenBuddy. Она предназначена для многоязычного диалога и генерации ответов; поддерживает контекст до 32 768 токенов. Метаданные указывают на поддержку китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. Модель распространяется в формате Safetensors и использует библиотеку Transformers. Модель подходит для чат-ботов, ответов на вопросы и генерации текста на поддерживаемых языках. Лицензия — Apache 2.0. Авторы предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными; модель не следует применять в критических сценариях, включая медицину и важные финансовые или юридические решения.

openbuddy-mistral-7b-v13-base-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.1 и OpenBuddy/openbuddy-mistral-7b-v13-base методом SLERP. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. В метаданных перечислены китайский, английский, французский, немецкий, японский, корейский, итальянский и русский языки. Лицензия — Apache-2.0. Карточка не приводит оценок качества или подробностей об ограничениях; фактическое качество может зависеть от языка и сценария использования.

OpenBuddy — мультиязычная чат-модель для генерации ответов в диалоге, основанная на архитектуре Qwen2. Модель содержит 13,4 млрд параметров и рассчитана на контекст до 32 768 токенов; веса опубликованы в формате safetensors для Transformers. Она предназначена для разговорных сценариев и генерации текста на китайском, английском, французском, немецком, японском, корейском, итальянском, русском и финском языках. Модель может служить основой для чат-ботов, ответов на вопросы и ведения многоязычного диалога. README предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, поэтому модель не следует применять в критических и высокорисковых ситуациях, включая медицину, управление потенциально опасными системами, а также важные финансовые и юридические решения. В метаданных указана лицензия other; README описывает отказ от гарантий и ответственность пользователей, но не раскрывает конкретный текст лицензии.

FuseAI/OpenChat-3.5-7B-Solar — диалоговая языковая модель, выпущенная авторами FuseChat из Университета Сунь Ятсена. Это промежуточная модель для попарного объединения знаний OpenChat-3.5-7B с моделью Solar; проект FuseChat использует этапы лёгкого дообучения и слияния параметров, чтобы перенести способности разных чат-моделей в одну модель. Модель основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она предназначена для генерации ответов в диалоге, следования текстовым инструкциям и выполнения общих языковых задач. В карточке указано контекстное окно 8192 токена; описан набор FuseChat-Mixture, охватывающий разные стили, следование инструкциям и отдельные навыки. README приводит результаты FuseChat на MT-Bench, но они относятся к итоговой FuseChat-7B-VaRM, а не обязательно к этой промежуточной модели. Модель принимает текст и генерирует текст. В метаданных указан английский язык. Распространяется по лицензии Apache-2.0. Она унаследует ограничения базовых моделей и может ошибаться или выдавать недостоверные ответы; отдельных оценок качества именно этой промежуточной модели в карточке не приведено.

sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO-recovered — разговорная языковая модель на архитектуре Mistral, представленная в формате safetensors. В метаданных указаны 7,1 млрд параметров, контекст до 32 768 токенов и возможность чата; модель предназначена для генерации текста в диалогах и других текстовых сценариях. В README описано дообучение методом DPO с LoRA: ранг адаптера 16, коэффициент LoRA 16 и dropout 0,05. Базовая модель в предоставленных данных не названа. Модель выпущена под лицензией Apache-2.0. Языки обучения и качество на конкретных задачах не описаны.

Percival_01M7-7B — текстовая генеративная модель, созданная Maxime Labonne автоматическим слиянием моделей. В конфигурации указаны Percival_01-7b-slerp и M7-7b; применён метод dare_ties с параметрами density 0,53 и weight 0,6. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Подробные сведения о языках, результатах оценки и ограничениях применения в карточке не приведены.

bunnycore/Phi-3.5-mini-TitanFusion-V2 — объединённая языковая модель на базе Microsoft Phi-3.5-mini-instruct, созданная с помощью mergekit и метода TIES. В объединение вошли Phi-3.5-mini-TitanFusion-0.1, Phi-3.5-rp-lora_model и ArliAI/Phi-3.5-mini-3.8B-ArliAI-RPMax-v1.1; карточка также указывает conversational-возможности. Модель с архитектурой Phi-3 dense и примерно 3,7 млрд параметров предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст; указанный контекст — 4096 токенов. Карточка не уточняет языковой охват или специализацию по областям. Модель распространяется в формате safetensors через Transformers; сведения о лицензии в предоставленных данных отсутствуют.

win10/phi-3.5-sakura-yuzu-v2.5 — объединённая языковая модель на архитектуре Phi-3, созданная с помощью mergekit методом TIES на основе microsoft/Phi-3.5-mini-instruct и четырёх других моделей Phi. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит около 3,7 млрд параметров, работает через Transformers и принимает контекст длиной до 4096 токенов. Модель подойдёт для чат-ботов, генерации ответов и других задач на основе текста. Базовая модель описана как многоязычная, однако карточка этой версии не уточняет поддерживаемые языки и особенности обучения. Указан формат весов safetensors. Лицензия в предоставленных данных не приведена.

PowerBot-8B — объединённая модель на базе Llama 3, созданная автором репозитория с помощью Mergekit из nvidia/Llama3-ChatQA-1.5-8B и refuelai/Llama-3-Refueled. Она предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы по документам с сохранением полного документа в контексте. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Она принимает текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Веса опубликованы в формате Safetensors и bfloat16; модель распространяется по лицензии Apache-2.0.

PureLLama3-8B — диалоговая языковая модель семейства Llama, созданная bunnycore путём объединения нескольких моделей с помощью mergekit и метода model_stock. В состав слияния входят ajibawa-2023/Uncensored-Frank-Llama-3-8B, bunnycore/LLama3-8B-FunStock и bunnycore/FunLLama3-8B. Модель предназначена для генерации текста и ответов в диалоге. Она содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст, формируя текстовые ответы; заявленная длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0.

manojpaul9986/qwen-1.5b-dpo — дообученная разработчиком manojpaul9986 разговорная языковая модель семейства Qwen2 с 1,5 млрд параметров. Она предназначена для генерации текста и диалоговых сценариев; обучение выполнялось с помощью Unsloth и библиотеки TRL на базе manojpaul9986/qwen-1.5b-sft. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0.

bunnycore/Qwen2.5-3B-Model-Stock — объединённая авторами bunnycore модель генерации текста, созданная методом Model Stock с помощью mergekit. В качестве основы использована Qwen/Qwen2.5-3B-Instruct, а в слияние также вошли huihui-ai/SmallThinker-3B-Preview-abliterated и bunnycore/Qwen2.5-3B-RP-Mix. Модель относится к плотной архитектуре Qwen2 и содержит 3,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает диалоговый режим; указанный нативный контекст — 32 768 токенов. Репозиторий использует Transformers и формат safetensors. Карточка не сообщает лицензию или специальные ограничения применения.

bunnycore/Qwen2.5-3B-Model-Stock-v3 — объединённая разработчиком bunnycore языковая модель семейства Qwen2 для генерации текста и диалогов. Модель создана линейным слиянием с помощью mergekit моделей PowerInfer/SmallThinker-3B-Preview и bunnycore/Qwen2.5-3B-Model-Stock-v2; веса сохранены в формате safetensors. Модель содержит 3,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для чат-взаимодействия и генерации текста. В карточке указана лицензия Apache-2.0.

evolveon/Qwen2.5-7B-Instruct-abliterated — разговорная языковая модель, созданная evolveon на основе Qwen/Qwen2.5-7B-Instruct с применением abliteration. Она предназначена для диалогов и генерации текста, включая ответы на запросы пользователя; метаданные также отмечают интерфейс вызова инструментов. Модель имеет плотную архитектуру Qwen2ForCausalLM и 7,1 млрд параметров, принимает текст и выдаёт текст. Заявленная длина контекста — 32 768 токенов. В тегах указана поддержка китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. По описанию автора, версия создана как uncensored-вариант базовой модели с помощью abliteration; метод и результат отдельно не оценены в карточке. Репозиторий содержит веса safetensors для библиотеки Transformers. Лицензия — Apache-2.0.

Kaoeiri/Qwenwify2.5-32B-v4.71-ED — языковая модель для генерации текста и диалогов, созданная слиянием нескольких моделей семейства Qwen2.5 при помощи mergekit. В README указан метод DARE TIES и базовая модель Qwen/Qwen2.5-32B-Instruct; в слияние также вошли модели, ориентированные на диалог, рассуждения, ролевые сценарии и японский язык. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 32 млрд параметров и имеет контекстное окно 32 768 токенов. Метаданные указывают поддержку китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков, а также интерфейс для вызова инструментов. Она подходит для диалогов, генерации текста и сценариев ролевого общения; подробные сравнительные оценки качества в карточке не приведены. Лицензия в предоставленных данных не указана.

Модель MonoHime/rubert-base-cased-sentiment-new разработана Татьяной Волошиной для классификации тональности русскоязычных текстов. Это модель семейства BERT на базе архитектуры BertForSequenceClassification с 205,1 млн параметров и контекстом до 512 токенов. Она присваивает тексту одну из трёх меток: нейтральная, положительная или отрицательная тональность. Модель подходит для автоматической разметки отзывов, сообщений и других русскоязычных текстов по тональности, а также для включения в конвейеры анализа мнений. Она обучалась на наборе Tatyana/ru_sentiment_dataset и распространяется в форматах PyTorch и Safetensors. Лицензия в доступных сведениях не определена. Предсказания могут содержать стереотипы и смещения, в том числе в отношении защищённых групп и чувствительных социальных характеристик. Перед применением в значимых сценариях следует учитывать эти ограничения и проверять качество на целевых данных.

ehristoforu/rufalcon3-3b-it — языковая модель для генерации текста и диалогов, созданная ehristoforu дообучением tiiuae/Falcon3-3B-Instruct. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 2,8 млрд параметров; веса доступны в формате safetensors. Она рассчитана на контекст до 32 768 токенов. Модель подходит для диалогового взаимодействия и генерации ответов по текстовым запросам. В карточке указаны обучение с Unsloth и TRL и лицензия Apache-2.0. Язык, отмеченный в метаданных самой модели, — английский; базовая модель также описана как поддерживающая французский, испанский и португальский языки.

Salamander-24B-v1 — разговорная языковая модель Naphula, опубликованная как Checkpoint 82. Это слияние Della нескольких моделей на базе Mistral, включая варианты 2501, 2506 и 2509, а также Fallen Mistral 2503. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных заявлена поддержка чата. Модель использует плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и рассчитана на контекст до 131 072 токенов. README сообщает, что в начальных тестах модель не отказывала в ответах; это наблюдение не заменяет систематическую оценку поведения и безопасности. Лицензия — Apache-2.0.

Seamaiiza-7B-v2-128k — языковая модель AlekseiPravdin для генерации текста и диалогов. Это слияние двух моделей с помощью mergekit и метода SLERP: AlekseiPravdin/Seamaiiza-7B-v1 и AlekseiPravdin/KSI-RP-NSK-128k-7B. Архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров; веса представлены в формате safetensors. Модель подходит для генерации продолжений текста и ведения диалогов. В названии и карточке базовой модели заявлен контекст до 128k токенов, однако метаданные этой модели указывают native context 32 768 токенов, поэтому возможность работы с 128k токенов не подтверждена для данного репозитория. Лицензия — Apache-2.0.

Akhil Bhaskaran Nair разработал эту модель тональной классификации, дообучив DistilBERT на наборе данных, который не описан в карточке. Она предназначена для определения тональности текста. Модель использует архитектуру DistilBertForSequenceClassification, работает с текстом и имеет контекст до 512 токенов. На оценочном наборе указаны loss 0,3489, accuracy 0,8667 и F1 0,8701. Карточка не уточняет набор меток, языки данных и ограничения применения. Модель распространяется по лицензии Apache-2.0.

sbcBI/sentiment_analysis_model — модель классификации английских текстов по тональности, созданная дообучением bert-base-uncased. В метаданных архитектура указана как DistilBertForSequenceClassification семейства DistilBERT; доступный формат весов — PyTorch, максимальный контекст — 512 токенов. README описывает обучение на размеченном наборе данных, который обозначен в метаданных как Confidential. Модель предназначена для определения тональности текста и уже настроена на эту задачу; автор README не рекомендует использовать её для дальнейшего дообучения под другие задачи. Подходит для классификации англоязычных отзывов, комментариев и коротких сообщений. Лицензия — Apache-2.0.

11erlangga/sft-qwen25-3b-run1 — дообученная разговорная модель 11erlangga на архитектуре Qwen2.5. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнено с Unsloth и библиотекой TRL на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Модель рассчитана на английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или ограничениях качества.

jaspionjader/sof-5 — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом Model Stock. При слиянии использованы jaspionjader/sof-3, jaspionjader/ek-6 и jaspionjader/sof-4; базовой моделью указана jaspionjader/Kosmos-EVAA-Franken-stock-v43-8B. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет до 131 072 токенов. Карточка не описывает целевые языки или специализированные области применения, поэтому модель следует рассматривать как универсальную. В репозитории указаны веса в формате safetensors и тип данных bfloat16. Лицензия в предоставленных данных не приведена. Карточка не содержит результатов оценки качества или конкретных ограничений поведения модели.

bhavinjawade/SOLAR-10B-Nector-DPO-Jawade — чат-модель на архитектуре Llama с 10,6 млрд параметров, созданная на основе SOLAR-10.7B-Instruct-v1.0 от Upstage. По карточке, модель оптимизирована методом DPO и дообучена с помощью LoRA на смеси Berkeley-nest Nectar и Intel/orca_dpo_pairs; в метаданных указан датасет Intel/orca_dpo_pairs. Модель предназначена для диалоговой генерации текста и ответов на запросы. Она принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Репозиторий содержит веса Safetensors. Модель выпущена под лицензией MIT. Карточка описывает её как DPO-оптимизированную и выровненную версию базовой модели; независимых оценок качества или подробных ограничений не приводит.

Perplexity Sonar — лёгкая модель Perplexity для встраивания функций вопросов и ответов в корпоративные продукты. Она предназначена для быстрых и недорогих ответов на запросы пользователей; поддерживает цитирование источников и настройку источников, на которые опираются ответы. Каталог классифицирует модель как image-text-to-text, однако предоставленные сведения не описывают работу с изображениями, поэтому эта модальность не подтверждена карточкой. Карточка не сообщает размер модели, архитектуру, поддерживаемые языки, длину контекста или лицензию. По доступному описанию Sonar подходит для интеграции в прикладные сервисы, где важны скорость, стоимость и возможность показать источники ответа; качество ответов и ограничения модели в README не раскрыты.

Spaetzle-v61-7b — языковая чат-модель, созданная cstr слиянием трёх моделей на базе Mistral с помощью LazyMergekit: FelixChao/WestSeverus-7B-DPO-v2, mayflowergmbh/Wiedervereinigung-7b-dpo и cognitivecomputations/openchat-3.5-0106-laser. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для диалогов и генерации текста. Метаданные отмечают чат-возможности; базовая модель описана как немецко-английская, поэтому эти языки можно считать основными ориентирами применения. Репозиторий распространяется под лицензией Apache-2.0. Карточка описывает слияние весов, а не дообучение или конвертацию формата.

Gunulhona/Strom-Llama-Merge — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit. В слиянии использованы Meta-Llama-3.1-8B и akjindal53244/Llama-3.1-Storm-8B: слои 0–15 взяты из первой модели, а слои 16–31 — из второй. Репозиторий содержит веса в формате safetensors; модель насчитывает 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её можно применять для ответов на вопросы, продолжения текста и создания черновиков на основе инструкций. В карточке не приведены отдельные результаты оценки качества или сведения о языках; модель основана на Llama 3.1 и помечена как conversational. Лицензия в предоставленных данных не указана. Поскольку модель объединяет веса Meta-Llama-3.1-8B и Llama-3.1-Storm-8B, условия использования следует сверять с лицензиями исходных моделей.

Suzume Llama 3 8B Multilingual — диалоговая языковая модель, разработанная Питером Дивайном (Peter Devine, ptrdvn). Это дообученная версия meta-llama/Meta-Llama-3-8B-Instruct: модель обучали на почти 90 тысячах многоязычных диалогов, чтобы она могла отвечать на разных языках, а не преимущественно на английском. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалога и генерации ответов на нескольких языках. В карточке приведены результаты MT-Bench для немецкого, французского и японского языков, а также общие оценки по шести языкам; точный полный перечень языков не приведён. По заявлению разработчика, дообучение сохранило большую часть возможностей Llama 3 на английском и улучшило многоязычный диалог. Весам доступна лицензия с метаданными «other»; конкретные условия следует проверять в карточке модели и лицензии базовой модели перед использованием.