III.4Клиентская поддержка и customer success

ArliAI-Llama-3-8B-Dolfin-v0.5 — разговорная модель OwenArli на архитектуре Llama 3, дообученная на базе Meta-Llama-3-8b-Instruct. Она предназначена для генерации ответов и следования инструкциям в диалогах; автор указывает, что использовал улучшенные наборы данных Dolphin и WizardLM, чтобы повысить следование инструкциям и снизить частоту отказов. Модель содержит 7,5 млрд параметров, а её базовый контекст составляет 8192 токена. Дообучение выполнялось методом QLoRA с рангом 64 и alpha 128; README сообщает о последовательностях длиной 2048 токенов при обучении и сохранении качества на контексте 8192 токена. Репозиторий содержит веса Safetensors. Модель рассчитана на текстовый ввод и текстовые ответы. Карточка не приводит отдельные результаты бенчмарков и подробного перечня поддерживаемых языков. Использование регулируется лицензией Meta Llama 3; необходимо соблюдать её условия.

NalDice/askvox-1.5 — языковая модель для диалоговой генерации текста, разработанная NalDice и дообученная на базе unsloth/llama-3.3-70b-instruct-bnb-4bit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 69,5 млрд параметров и поддерживающая контекст до 131 072 токенов. В метаданных указана поддержка английского языка и диалоговый режим. Модель подходит для ведения текстового диалога и генерации ответов на запросы. В карточке указаны Unsloth и TRL как инструменты обучения. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает конкретные данные и методику дообучения или специальные предметные возможности.

Bactrian-X LLaMA 7B — языковая модель MBZUAI для генерации ответов на инструкции на 52 языках. Она основана на LLaMA-7B и дообучена на переводах инструкций из наборов Stanford Alpaca и Databricks Dolly; ответы для разных языков были созданы с помощью GPT-3.5-turbo. В репозитории размещена объединённая версия весов с LoRA-дообучением, архитектура — плотная авторегрессионная LLaMAForCausalLM, размер — около 6,6 млрд параметров, контекст — 2048 токенов. Модель предназначена для многоязычного следования инструкциям и генерации текста: например, для ответов на вопросы, выполнения просьб и создания черновиков на поддерживаемых языках. Веса доступны в формате PyTorch по лицензии MIT. К ограничениям относятся возможная предвзятость, внесённая машинным переводом инструкций, и влияние англоязычных культурных установок в данных; длина контекста составляет 2048 токенов.

BeagleX-7B — слитая разговорная модель генерации текста, опубликованная пользователем shadowml. Она объединяет shadowml/WestBeagle-7B и flemmingmiguel/MBX-7B-v3 методом slerp с помощью LazyMergekit. Модель построена на плотной архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста по запросу. Её можно использовать для ответов на вопросы, написания черновиков и продолжения текста. В репозитории указаны веса в формате safetensors; лицензия CC BY-NC 4.0 разрешает использование на условиях лицензии, включая ограничения на коммерческое применение.

Beast-Soul-new — текстовая генеративная модель, созданная слиянием udkai/Turdus и flemmingmiguel/MBX-7B с помощью LazyMergekit. Она предназначена для генерации текста по запросу и может использоваться в диалоговых и других сценариях, построенных на продолжении текста. Модель основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Указанный размер контекста — 32 768 токенов; веса опубликованы в формате Safetensors. В README описан метод слияния SLERP с настройками для слоёв внимания и MLP. В карточке не приведены специальные предметные области или сведения о языковой специализации. Лицензия не указана в предоставленных данных.

Модель yeniguno/bert-uncased-intent-classification — англоязычная BERT-модель, дообученная для классификации намерений в пользовательских запросах по 82 меткам. Она предназначена для систем NLU, голосовых помощников, чат-ботов, автоматизации поддержки и разговорных интерфейсов. Архитектура — BertForSequenceClassification; модель содержит 136,7 млн параметров, принимает текст и поддерживает контекст до 512 токенов. В README указаны объединённые наборы данных для классификации намерений и результаты тестирования: точность и F1 составили 98,37%. Эти показатели относятся к описанной тестовой выборке и не гарантируют аналогичное качество на новых данных. Модель выпущена под лицензией Apache-2.0. Качество может снижаться для редко представленных намерений; модель не оптимизирована для языков помимо английского. Для предметных намерений, отсутствующих среди обучающих меток, может потребоваться дополнительное дообучение.

BgGPT-Gemma-3-27B-IT — мультимодальная модель для диалогов и выполнения инструкций, адаптированная для болгарского языка институтом INSAIT на базе Google Gemma 3 27B IT. Это плотная модель семейства Gemma 3 с поддержкой текста и изображений; карточка указывает эффективный контекст до 131 тыс. токенов. Модель рассчитана на многоходовые беседы, сложные инструкции и задачи, где нужно совместно учитывать текст и изображения. Модель подходит для вопросов и ответов на болгарском языке, диалоговых помощников и анализа изображений с текстовыми запросами. Также поддерживает английский язык. В README указаны данные предобучения до мая 2025 года и дообучения по инструкциям до октября 2025 года. Репозиторий содержит веса Safetensors и использует лицензию Gemma; применение регулируется её условиями.

Fischerboot/BigBoiV14-V2 — разговорная модель генерации текста, созданная Fischerboot путём слияния методом SLERP двух предварительно обученных языковых моделей: Fischerboot/BigBoiV14 и TheDrummer/Llama-3SOME-8B-v1. Репозиторий содержит плотную модель семейства Llama с архитектурой LlamaForCausalLM и весами в формате safetensors; указанный размер — 7,5 млрд параметров. Модель предназначена для диалоговой генерации текста и ответов на запросы. В метаданных заявлена длина контекста 1 048 576 токенов. Язык карточка явно не устанавливает. Лицензия в предоставленных данных не указана.

BillyTheKid1903_SLERP — объединённая модель для генерации текста, созданная MatthieuJ с помощью mergekit методом SLERP из yam-peleg/Experiment26-7B и NousResearch/Nous-Hermes-2-Mistral-7B-DPO. Модель основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; метаданные указывают нативный контекст длиной 32 768 токенов. Она предназначена для диалогов и генерации текста по запросам. Модель принимает текст и выдаёт текст. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или конкретных ограничениях качества.

Blur-7b-slerp-v1.46 — языковая модель семейства Mistral, созданная объединением моделей liminerity/merge и bardsai/jaskier-7b-dpo-v5.6 методом SLERP с помощью mergekit. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. 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. Карточка приводит результаты оценивания на бенчмарках рассуждений и понимания текста, но не описывает конкретные языки или специализированные области применения.

Модель adaptive-classifier/business-sentiment — классификатор тональности для деловых текстов на основе answerdotai/ModernBERT-base. Она использует адаптивную классификацию с непрерывным обучением и позволяет добавлять новые классы. В карточке указаны четыре класса: mixed, negative, neutral и positive; в текущем наборе 20 примеров, по пять на класс, а размерность эмбеддингов составляет 768. Модель предназначена для определения тональности деловых сообщений и для сценариев, где классы нужно расширять по мере появления новых примеров. Для каждого класса требуется не менее трёх примеров; максимум — 150 примеров на класс. Прототипы обновляются каждые десять примеров. Лицензия — Apache-2.0.

Sakalti/Calme-3.2-fp16 — модель генерации текста на основе архитектуры Qwen2, созданная объединением весов с помощью mergekit и метода TIES. В README указано, что в качестве базовой использована MaziyarPanahi/calme-3.2-instruct-78b; метаданные связывают её с дообучением этой модели. Размер составляет 76,7 млрд параметров, формат весов — safetensors, точность — float16, библиотека — Transformers, контекст — до 32 768 токенов. Модель предназначена для диалогов и генерации текста общего назначения. Она принимает текст и выдаёт текст; поддержка чата указана в метаданных. Описание базовой модели характеризует её как экспериментальную дообученную модель на базе Qwen2.5-72B для англоязычных диалогов и генерации текста, но языковая специализация данной версии отдельно не подтверждена. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты. Объединение выполнено с весом 1 для базовой модели; README не перечисляет другие модели-участники.

Camel-5b — англоязычная инструкционная языковая модель от Writer на архитектуре GPT-2, основанная на Palmyra-Base. Модель дообучена на примерно 70 тысячах пар «инструкция — ответ», подготовленных командой Writer Linguist, и предназначена для выполнения текстовых инструкций и генерации ответов. В метаданных указаны 5 млрд параметров и контекст до 2048 токенов. Модель подходит для создания виртуальных помощников, поддержки клиентов и генерации контента. Она принимает текст и генерирует текст. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Camel предсказывает следующий токен, поэтому её ответы могут быть фактически неверными; README рекомендует проверять и фильтровать результаты человеком. Также возможно неожиданное появление оскорбительного контента.

decide-0.2.0 — англоязычная модель jmwri на 149 млн параметров, дообученная на базе answerdotai/ModernBERT-base. Это компактный некорректирующий генерацию encoder-only классификатор: за один проход оценивает каждый из предложенных вариантов и возвращает калиброванные вероятности. Поддерживает выбор одного варианта из нескольких, проверку условия с ответом «да/нет» и оценку по упорядоченной шкале. Архитектура использует ModernBERT и отдельную MLP-голову для оценки вариантов; заявленная длина контекста — 8192 токена. Модель предназначена для классификации по заданным вариантам, проверки утверждений и принятия решений по текстовому описанию состояния и инструкции. Оценки вариантов не зависят от порядка остальных вариантов, что удобно для построения устойчивых классификаторов и таксономий. На задачах, похожих на обучающие, README приводит метрики точности и калибровки; на не встречавшихся при обучении задачах качество ниже, а вероятности могут быть чрезмерно уверенными. Модель поддерживает только английский язык. Лучше работают варианты с ясными описаниями; наборы более чем примерно из десяти вариантов рекомендуется разбивать на этапы. Для решений, влияющих на права, безопасность или средства к существованию людей, требуется надзор человека. Лицензия модели — Apache-2.0; перед распространением или коммерческим использованием также следует проверить лицензии использованных обучающих наборов данных.

dhbacmes-3b-slerp — языковая модель, созданная Liminerity с помощью объединения моделей mergekit методом SLERP. В объединение вошли liminerity/herbaccbaccules-3b-slerp и KnutJaegersberg/Deita-2b; конфигурация использует слои 0–39 обеих моделей и формат float16. Архитектура — плотная Llama для генерации текста, размер — 2,7 млрд параметров, длина контекста — 2048 токенов. Модель предназначена для диалогов и генерации текста. В карточке приведены результаты Open LLM Leaderboard, включая оценки AI2 Reasoning Challenge и HellaSwag. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Это модель классификации текста на основе DistilBERT, дообученная на наборе данных emotion для распознавания эмоций в тексте. Она подходит для автоматической разметки эмоциональной окраски коротких текстов, например сообщений и отзывов. По результатам оценки на тестовом наборе модель показала accuracy 0,9385 и F1 0,9382. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт класс эмоции. Максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Карточка не уточняет набор классов эмоций и не описывает ограничения модели.

KshitizSharma выпустил модель distilbert-emotion — дообученную DistilBERT модель для классификации текста по эмоциональным меткам. Она предназначена для анализа эмоциональной окраски коротких текстов. В README указаны результаты на наборе оценки: F1 — 0,9252, точность — 0,925, loss — 0,1842; название и состав датасета не раскрыты. Модель построена на DistilBertForSequenceClassification, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов. Распространяется по лицензии Apache-2.0.

hristo-mutafov/distilbert-sentiment — модель классификации текста на основе DistilBERT, дообученная автором репозитория на наборе данных, который в карточке обозначен как None. Она предназначена для отнесения текстов к классам тональности. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и рассчитана на контекст до 512 токенов. В карточке указана точность 0,8 и значение loss 1,0367 на оценочной выборке; подробности набора данных и оценки не приведены. Модель распространяется в формате safetensors по лицензии Apache-2.0. Основа — distilbert/distilbert-base-uncased.

DolphinHermes-120b — объединённая языковая модель на базе архитектуры Llama, созданная автором репозитория с помощью mergekit линейным слиянием NousResearch/Nous-Hermes-2-Llama-2-70B и cognitivecomputations/dolphin-2.2-70b. Модель содержит 120,1 млрд параметров, работает через Transformers и рассчитана на генерацию текста и диалоговое взаимодействие. Её контекст составляет 4096 токенов. Модель подходит для ответов на вопросы, следования инструкциям и ведения диалогов. В репозитории указаны веса safetensors. Лицензия — Llama 2; перед использованием следует учитывать её условия. Карточка не приводит результатов оценивания качества или подробных ограничений, поэтому качество на конкретных задачах нужно проверять отдельно.

DPO-Zephyr-7B — дообученная компанией ShenaoZ языковая модель для генерации текста и диалогового общения. Она основана на Mistral-7B SFT Beta и дополнительно обучена методом DPO на датасете HuggingFaceH4/ultrafeedback_binarized. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для текстовых диалогов и генерации ответов. Базовая модель обучалась на англоязычных синтетических диалогах; отдельные языковые характеристики DPO-Zephyr-7B в карточке не описаны. Весы опубликованы в формате safetensors по лицензии MIT.

KZDADDY/DR-8-5-M-V1 — разговорная языковая модель с архитектурой Llama, созданная объединением предварительно обученных моделей с помощью mergekit и метода SLERP. Она предназначена для генерации текста в диалоговом формате. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель подходит для ведения диалогов и генерации продолжений текста. Идентификаторы объединённых моделей приведены как локальные пути, поэтому их базовые репозитории и лицензии по имеющимся данным установить нельзя.

EmertonMonarch-7B — диалоговая модель генерации текста, созданная yleo путём DPO-дообучения mlabonne/Monarch-7B на наборе предпочтений yleo/emerton_dpo_pairs_judge. Набор основан на Intel/orca_dpo_pairs: ответы GPT-3.5 заменены ответами GPT-4 Turbo, после чего LLM-Blender использовался для выбора предпочтительного ответа. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и предназначена для общения и генерации ответов на текстовые запросы. Метаданные указывают контекст до 32 768 токенов; README заявляет окно контекста 8k. Совместима с шаблонами чата ChatML и Llama. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не приводит результатов оценки качества; назначение — общие диалоговые задачи.

MaziyarPanahi/Experiment26Neuralsirkrishna_Experiment27Pastiche — объединённая модель для генерации текста, созданная на основе automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment27Pastiche-7B. Она использует плотную архитектуру Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Контекстное окно составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0.

Experiment26Neuralsirkrishna_Experiment27Yam — объединённая модель, созданная из automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment27Yam-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогов; поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель подходит для генерации ответов, продолжения текста и диалоговых сценариев. В метаданных указана лицензия Apache-2.0. Сведения о специальной предметной области или языковой специализации отсутствуют.

Experiment28M7_Experiment24Ognoexperiment27 — объединённая модель для генерации текста на основе двух моделей Mistral: automerger/Experiment28M7-7B и automerger/Experiment24Ognoexperiment27-7B. Она содержит 7,1 млрд параметров, использует архитектуру Mistral и принимает контекст длиной до 32 768 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.

f-4-8b — объединённая разговорная языковая модель семейства Llama, созданная jaspionjader с помощью mergekit и метода SLERP на основе jaspionjader/f-2-8b и jaspionjader/f-3-8b. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и представлена в формате safetensors; максимальный контекст — 8192 токена. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на запросы, ведения беседы и создания текстовых черновиков. README не описывает специализацию по языкам или предметным областям. Лицензия в предоставленных данных не указана.

Fireball-Llama-3.1-8B-Instruct-v1-16bit — языковая модель EpistemeAI для диалоговой генерации текста. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров, дообученная на unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и генерирует текст; заявленное нативное контекстное окно — 131 072 токена. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. В карточке не описаны специальные предметные области, дополнительные возможности или результаты оценки качества. Репозиторий использует лицензию Apache-2.0.

flammen25-mistral-7B — созданная flammenai объединённая языковая модель на архитектуре Mistral, полученная методом SLERP с помощью mergekit из flammenai/flammen24X-mistral-7B и nbeerbower/KawaiiMahou-mistral-7B. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста, включая чатовые и ролевые диалоги. Базовая модель nbeerbower/KawaiiMahou-mistral-7B описана как дообученная на японских данных предпочтений; карточка данной модели не уточняет отдельные языковые характеристики результата. Лицензия — Apache-2.0.

FNCARLplus-7b — объединённая диалоговая языковая модель на базе Mistral 7B, созданная jambroz с помощью mergekit. В README указано, что при слиянии DARE TIES использовались jambroz/sixtyoneeighty-7b, jambroz/FNCARL-7b, HuggingFaceH4/mistral-7b-anthropic и mlabonne/UltraMerge-7B; базой служила jambroz/sixtyoneeighty-7b. Модель имеет 7,1 млрд параметров, архитектуру MistralForCausalLM и контекст до 32 768 токенов. Она предназначена для генерации текста в диалоговом формате: например, для ответов на запросы и ведения переписки. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. В предоставленной карточке нет сведений о целевых языках или специализированных областях применения.

jaspionjader/fr-8-8b — объединённая разговорная языковая модель на архитектуре Llama, созданная методом SLERP с помощью mergekit. В слиянии участвовали jaspionjader/fct-14-8b и jaspionjader/fr-7-8b; в конфигурации базовой указана jaspionjader/fr-7-8b. Модель содержит 7,5 млрд параметров и имеет контекстное окно до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев: например, для ответов на вопросы, написания текстов и работы чат-бота. Она принимает текст и выдаёт текст. Данные не уточняют специализацию по предметным областям или поддерживаемые естественные языки. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.