III.4Клиентская поддержка и customer success

Диалоговая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Это полноразмерное дообучение модели alignment-handbook/zephyr-7b-sft-full на обновлённом и исходном наборах данных; репозиторий содержит веса в формате safetensors. Модель рассчитана на общение в чате и генерацию ответов по текстовым запросам, поддерживает контекст до 32 768 токенов. Модель опубликована под лицензией Apache-2.0. README не приводит сведений о методике обучения, оценках качества или специальных ограничениях; фактические результаты могут зависеть от промпта и сценария применения.

Fusion-7B-Quintessence — языковая модель для генерации текста, созданная слиянием предварительно обученных моделей с помощью mergekit и метода passthrough. В состав вошли NousResearch/Nous-Hermes-2-Mistral-7B-DPO, NousResearch/Genstruct-7B и Weyaxi/Einstein-v4-7B. Архитектура — плотная Mistral с классом MistralForCausalLM; в репозитории указано 21,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для диалогов и генерации текста по запросу. Модель принимает и выдаёт текст; метаданные отмечают возможность чата. В README указана лицензия на веса отдельно не приводится, поэтому условия использования по этим данным определить нельзя. Слияние разных моделей может давать нестабильное качество на отдельных запросах.

djuna/G2-Noranum-27B — это объединённая с помощью SLERP модель генерации текста на базе Gemma 2, созданная из anthracite-org/magnum-v3-27b-kto и mergekit-community/GutenBerg_Nyxora_magnum-v4-27b. Модель содержит 27,6 млрд параметров, использует архитектуру Gemma2ForCausalLM и рассчитана на контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста и следования инструкциям. Её можно использовать для ответов на вопросы, продолжения прозы и ведения беседы. Веса опубликованы в формате safetensors и рассчитаны на работу с Transformers. Сведений о лицензии в предоставленных данных нет.

Модель artificialguybr — дообученная версия Gemma 2 2B, созданная на наборе OpenHermes-2.5. Это плотная причинная языковая модель с 2,7 млрд параметров и контекстом до 8192 токенов, предназначенная для следования инструкциям и общих языковых задач. Она принимает текстовые запросы и генерирует текст; карточка указывает английский язык и формат safetensors. Модель подходит для генерации текста, ответов на вопросы и диалоговых сценариев с инструкциями. Она распространяется по лицензии Apache-2.0. Карточка предупреждает о возможных смещениях в обучающих данных и риске генерации вредного или предвзятого содержания.

TouchNight/gemma-2-abliterated-Ifable-9B-untied — производная чат-модель на базе Gemma 2, созданная объединением TouchNight/gemma-2-9b-it-abliterated-untied и LoRA-адаптера TouchNight/gemma-2-Ifable-9B-LoRA-untied. Она предназначена для генерации текста в диалоговом формате. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и поддерживает контекст длиной до 8192 токенов. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Это объединённый чекпойнт дообучения Gemma 4 E4B Instruct, опубликованный tensorfiend после обучения на GPU. Модель основана на плотной архитектуре Gemma4 и предназначена для генерации текста в диалоговом формате. В карточке указаны шаг обучения 564 и лучшая оценка eval loss 0,338. Метаданные отмечают поддержку чата и формат safetensors. Базовая Gemma 4 E4B Instruct также поддерживает работу с изображениями и аудио, однако карточка этого чекпойнта не подтверждает сохранение или проверку этих возможностей после дообучения. Лицензия указана как other; README требует соблюдать лицензионные условия Gemma и не распространять её веса вне разрешённого ими использования. Данных о целевых языках и специализации на конкретной области нет.

Gemma 7B OpenHermes v0.80 — инструктивная языковая модель, разработанная lemon-mint путём дообучения Google Gemma 1.1 7B на наборе OpenHermes-2.5. Она предназначена для диалогов, ответов на вопросы и выполнения инструкций в текстовом формате. Модель построена на плотной архитектуре GemmaForCausalLM, содержит 8,2 млрд параметров и поддерживает контекст до 8192 токенов. Модель ориентирована на английский язык и может применяться для открытого диалога, генерации ответов и помощи в разнообразных текстовых задачах. Лицензия — gemma-terms-of-use. В ответах возможны ошибки и отражение предубеждений обучающих данных, поэтому результаты следует проверять.

GemmaX2-28-9B-v0.1 — языковая модель Xiaomi для машинного перевода. Она основана на архитектуре Gemma 2 и дообучена методом supervised fine-tuning на инструкциях по переводу; базовая модель предварительно обучалась на текстах и параллельных данных на 28 языках. Модель содержит 9 млрд параметров, принимает и генерирует текст, работает через библиотеку Transformers и имеет контекстное окно 8192 токена. Модель предназначена для перевода между поддерживаемыми языками, в том числе в сценариях, где перевод задаётся инструкцией в чате. Поддерживаемые языки: арабский, бенгальский, чешский, немецкий, английский, испанский, персидский, французский, иврит, хинди, индонезийский, итальянский, японский, кхмерский, корейский, лаосский, малайский, бирманский, нидерландский, польский, португальский, русский, тайский, тагальский, турецкий, урду, вьетнамский и китайский. Лицензия — Gemma; условия её применения следует сверять с лицензией модели.

Geneva 12B GammaCorpus v2-100k — плотная авторегрессионная языковая модель на архитектуре Mistral, разработанная rubenroy и дообученная на Mistral Nemo Instruct 2407 с использованием набора GammaCorpus v2-100k. Она предназначена для диалоговой генерации текста и следования инструкциям; метаданные также указывают интерфейс вызова инструментов. Модель содержит 12,1 млрд параметров и поддерживает контекст до 1 024 000 токенов. Карточка описывает GammaCorpus как набор структурированных и отфильтрованных многоходовых диалогов. Модель ориентирована на несколько языков, включая английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский. Весовые файлы доступны в формате Safetensors, библиотека для работы — Transformers. Лицензия — Apache-2.0. Автор заявляет целью превосходство над моделями сопоставимого размера, однако сравнительные результаты в карточке не приведены. Среди указанных ограничений — возможность генерации предвзятых ответов; качество вызова инструментов отдельно не охарактеризовано.

Ghost 8B Beta — большая языковая модель компании Ghost X, разработанная Hieu Lam на основе meta-llama/Meta-Llama-3-8B. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров для диалогов, генерации текста, многоязычных задач и вызова функций через инструменты. В репозитории заявлена версия с контекстом 8192 токена; README также описывает отдельный вариант на 131072 токена. Модель рассчитана на английский, вьетнамский, испанский, португальский, немецкий, итальянский, французский, корейский и китайский языки. Разработчик сообщает о продолженном предварительном обучении, дообучении с многоязычным буфером и этапе настройки по человеческой обратной связи. Модель поставляется в формате safetensors; README также упоминает варианты BF16, GGUF и AWQ. Модель предназначена для создания многоязычных чат-ассистентов, ответов на вопросы и выполнения инструкций, в том числе с использованием инструментов. В README приведены высокие сравнительные результаты, но методика и подробности оценивания здесь не раскрыты. Указана лицензия Ghost Open LLMs LICENSE вместе с Llama 3 LICENSE; перед использованием следует проверить условия обеих лицензий. Модель — бета-версия, и разработчик рекомендует более новую Ghost 8B Beta 1608.

GLM-Edge-4B-Chat — разговорная языковая модель семейства GLM от zai-org. Она предназначена для диалогов и генерации текста; в каталоге для неё указана задача text-generation и возможность chat. Модель имеет плотную архитектуру GlmForCausalLM и содержит 4,1 млрд параметров. Родной размер контекстного окна — 8192 токена. В метаданных указана лицензия other, поэтому конкретные условия использования следует сверять с лицензией в репозитории. Карточка предлагает использовать библиотеку Transformers, но не содержит сведений о поддерживаемых языках, обучении и результатах оценки.

Granite-Speech-4.1-2B-Plus — плотная модель IBM для распознавания речи, построенная на базе ibm-granite/granite-4.0-1b-base и дообученная на речевых корпусах с разметкой диаризации и временных меток. Она предназначена для корпоративных сценариев преобразования речи в текст на английском, французском, немецком, испанском и португальском языках. Модель поддерживает обычную транскрипцию, разметку реплик по говорящим и временные метки конца каждого слова. Режимы выбираются формулировкой запроса; также можно передавать список ключевых слов для улучшения распознавания имён и терминов, а предыдущую расшифровку — как контекст при инкрементальном декодировании. В версии Plus обычная транскрипция не включает пунктуацию и заглавные буквы. Метки времени кодируются в сотых долях секунды и циклически повторяются каждые 10 секунд, поэтому при восстановлении времени нужно учитывать счётчик циклов. Возможны ошибки распознавания, смещения или нежелательные результаты. Модель распространяется по лицензии Apache-2.0.

H2O.ai разработала эту языковую модель на основе Salesforce/xgen-7b-8k-base, дообучив её с помощью H2O LLM Studio на персонализированной подготовке набора OpenAssistant/oasst1. Это плотная авторегрессионная модель семейства Llama с 6,7 млрд параметров, рассчитанная на генерацию текста и диалоговые ответы на английском языке. Контекстное окно составляет 8192 токена. Модель можно применять для создания ответов в чате, продолжения текста и подготовки черновиков на английском языке. Она распространяется под лицензией Apache-2.0. Ответы могут быть ошибочными, нерелевантными, предвзятыми или оскорбительными, поэтому их следует проверять.

H2O.ai h2ogpt-gm-oasst1-multilang-2048-falcon-7b — диалоговая языковая модель, дообученная в H2O LLM Studio на OpenAssistant/oasst1 на базе tiiuae/falcon-7b. Она предназначена для генерации ответов и ведения диалога; в названии указано multilang и контекст 2048 токена. Модель имеет плотную архитектуру Falcon и содержит 10,9 млрд параметров; для работы используется библиотека Transformers и формат PyTorch. Модель подходит для чат-ботов, ответов на вопросы и генерации текста. Карточка не приводит перечень поддерживаемых языков, поэтому по метаданным подтверждён только английский. Лицензия — Apache-2.0. Ответы могут быть ошибочными или нерелевантными и иногда содержать предвзятые либо оскорбительные формулировки; их следует проверять.

Hazy-Llama-70b — объединённая диалоговая языковая модель, созданная tdot604 с помощью mergekit методом TIES. В слиянии использованы mattshumer/Reflection-Llama-3.1-70B как базовая модель и Sao10K/L3-70B-Euryale-v2.1; конфигурация задаёт им веса 0,8 и 0,2 соответственно. Модель построена на архитектуре Llama, содержит 69,5 млрд параметров и принимает текстовые запросы, генерируя текстовые ответы. Поддерживает контекст до 8192 токенов и рассчитана на диалоговое использование. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. Метаданные базовой модели описывают её как диалоговую модель с этапом самопроверки и исправления ошибок, однако README не подтверждает, что это поведение сохраняется в данном слиянии. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Hemmingway-1 — плотная языковая модель для генерации текста, разработанная Altworld на базе Qwen3.8-27B. В карточке указано 22,3 млрд параметров, а в README — 27 млрд; модель использует архитектуру Qwen3_5ForCausalLM, библиотеку Transformers и формат safetensors. Контекстное окно составляет 262 144 токена. Модель предназначена прежде всего для повседневного письма на английском языке: она составляет сообщения, электронные письма и рабочие заметки, стараясь сразу выдавать готовый текст без предисловий и перечней вариантов. Разработчик сообщает о результатах на собственных тестах повседневных сообщений и сходства с человеческим письмом, а также об оценке EQ-Bench 4; эти заявления следует рассматривать с учётом того, что часть тестов создана самим разработчиком. По README модель слабее в враждебных сюжетах и длинных продолжениях историй. Модель распространяется по лицензии CC BY-NC 4.0, допускающей некоммерческое использование на её условиях. Она может уверенно выдавать ошибочные ответы; разработчик не рекомендует использовать её для медицинских, юридических или финансовых решений.

win10/high-speed-mixing-7B-V1 — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом TIES. В основу объединения взята MaziyarPanahi/calme-2.8-qwen2-7b; также включена Weyaxi/Einstein-v7-Qwen2-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалоговых ответов. Модель принимает текст и выдаёт текст. Заявленная длина контекста — 131 072 токена. Она подходит для общения с пользователем и генерации ответов; описание базовой модели указывает на особый акцент на естественных науках и математике, но README не подтверждает, что этот акцент гарантирован для итогового объединения. Используются Transformers и формат safetensors. Лицензия в предоставленных данных не указана.

HMistral-v3-00-fp16 — дообученная текстовая модель семейства Mistral, загруженная разработчиком 1024m и основанная на unsloth/mistral-7b-instruct-v0.3. Модель имеет плотную архитектуру MistralForCausalLM и около 7,1 млрд параметров; она предназначена для генерации текста, диалогов и выполнения инструкций. Поддерживает контекст до 32 768 токенов и английский язык. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки Hugging Face TRL. Метаданные отмечают интерфейс для вызова инструментов, но не описывают отдельные возможности или качество модели.

HX-Mistral-3B_v0.1 — текстовая диалоговая модель семейства Mistral, созданная сообществом mergekit-community линейным слиянием предобученных языковых моделей с помощью mergekit. В README указан Mistral-7B-Instruct-v0.2; метаданные также связывают модель с ним как с базовой. Модель содержит 3,6 млрд параметров, построена на архитектуре MistralForCausalLM и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на инструкции. Она принимает текст и генерирует текст; в репозитории указаны веса Safetensors и библиотека Transformers. Сведения о лицензии в предоставленных материалах отсутствуют.

Hyena-12b — языковая модель Xclbr7 для генерации текста, созданная дообучением Xclbr7/Arcanum-12b. Модель построена на плотной архитектуре Mistral и содержит 12,1 млрд параметров; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалогов на английском языке. В метаданных указан контекст длиной до 1 024 000 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0.

HyperLLama3.1-Mix-8B — объединённая языковая модель семейства Llama, опубликованная bunnycore. Она создана с помощью mergekit методом model_stock на основе нескольких вариантов Llama 3.1 8B, включая instruct-, Chain-of-Thought-, roleplay- и uncensored-модели. Репозиторий содержит веса safetensors в формате bfloat16; размер модели — 7,5 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для генерации текста и диалогов, в том числе для инструкций и ролевых сценариев. Поддерживает текстовый ввод и выдаёт текст. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или конкретных языков; свойства объединённых моделей могут влиять на предсказуемость ответов.

Ice0.7-29.09-RP — разговорная языковая модель на архитектуре Mistral, созданная слиянием предварительно обученных моделей методом SLERP с помощью mergekit. В состав слияния вошли Ice0.5-28.09-RP и Ice0.6-29.09-RP; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В README приведены результаты оценки на Open LLM Leaderboard: средний балл 21,47, IFEval — 51,76, BBH — 30,73. Лицензия в предоставленных данных не указана.

InnerIAI-chat-7b-grok — объединённая диалоговая языковая модель, созданная InnerI с помощью LazyMergekit из InnerI/A-I-0xtom-7B-slerp и HuggingFaceH4/mistral-7b-grok. Она построена на архитектуре Mistral с плотной сетью и содержит 7,1 млрд параметров; модель предназначена для генерации текста в формате диалога с ассистентом. Указанная длина контекста — 32 768 токенов. Репозиторий распространяется в формате safetensors, лицензия — Apache-2.0. Модель можно использовать для ответов на вопросы, диалогов и написания текстов в чат-сценариях. README описывает слияние методом SLERP с настройками, различающимися для слоёв внимания и MLP. Сведений о специальных доменах или поддержке конкретных языков в карточке нет; поэтому не следует считать её оптимизированной для определённого языка или области. Качество и поведение могут зависеть от запроса и выбранной конфигурации генерации.

I-OpenPipe-NH2-Solar-7B-slerp — языковая чат-модель, созданная слиянием OpenPipe/mistral-ft-optimized-1218 и NousResearch/Nous-Hermes-2-SOLAR-10.7B методом slerp с помощью LazyMergekit. Это плотная авторегрессионная модель семейства Llama с 7,1 млрд параметров, предназначенная для генерации текста, диалогов и выполнения инструкций. Модель принимает текст и генерирует текст; метаданные указывают контекст длиной 4096 токенов. Доступны веса в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. Карточка не содержит результатов оценки качества или подробных сведений о поддерживаемых языках.

Noodlz/IvanDrogo-7B — объединённая модель семейства Mistral, созданная с помощью mergekit методом DARE TIES. В README указано, что в объединение вошли Noodlz_DolphinLake-DARE_TIE_SLERP-tokenwest в качестве базовой модели и Noodlz_HermeStar-DARE_TIE_SLERP-startoken; метаданные классифицируют происхождение как merge. Модель предназначена для генерации текста и диалогового общения. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Доступны веса в формате safetensors, библиотека для работы — Transformers. Лицензия в предоставленных данных не указана.

inception42/jais-adapted-7b-chat — диалоговая языковая модель семейства Jais, разработанного Inception Institute of Artificial Intelligence. Это адаптированная от Llama 2 и дообученная для следования инструкциям модель с 7 млрд параметров, предназначенная для генерации ответов на арабском и английском языках. Она подходит для чат-ассистентов, понимания и создания текста, анализа тональности и суммаризации двуязычных документов. Репозиторий содержит веса в формате safetensors; для загрузки требуется пользовательский класс модели и параметр trust_remote_code=True. Модель распространяется по лицензии Apache 2.0. Ответы могут быть ошибочными, предвзятыми или оскорбительными; качество на других языках и диалектах не гарантируется, а для важных решений нужен контроль человека.

wnma3mz/Janus-Pro-7B-LM — производная от deepseek-ai/Janus-Pro-7B модель, в которой обновлены файлы весов в формате safetensors и добавлен шаблон чата. Обозначение LM указывает, что репозиторий содержит только языковую модель; README также поясняет, что пометка 4bit означает квантизацию языковой части до 4 бит, однако метаданные указывают формат safetensors и не подтверждают наличие квантизированных весов в этой версии. Модель предназначена для диалоговой генерации текста и запуска через Transformers; в README также приведён пример использования MLX на Apple Silicon. По метаданным, это плотная архитектура Llama с 6,5 млрд параметров и контекстом до 16 384 токенов. Базовая Janus-Pro-7B поддерживает понимание изображений и генерацию изображений по тексту, но данная LM-версия содержит только языковую часть. Репозиторий опубликован под лицензией MIT. README не приводит результатов оценки качества или конкретных ограничений применения; возможности, зависящие от визуальной части базовой модели, по описанию этой версии недоступны.

JevK5-Lite — экспериментальная предварительная версия CPU-классификатора проекта JevK5, дообученная на базе microsoft/deberta-v3-large. Модель за один проход кодировщика обрабатывает текст и произвольное число наборов меток: для однозначных категорий возвращает вероятности softmax, а для многометочной классификации — отдельные вероятности sigmoid. Архитектура использует метки, встроенные в последовательность, и оценивает их с учётом представления текста; размер по метаданным — 533,7 млн параметров, контекст — до 512 токенов. Поддерживается английский язык. Модель предназначена для классификации текстов по заданным пользователем категориям, в том числе одновременно по нескольким наборам меток. В описанных испытаниях она показала лучшую калибровку вероятностей на шести одно меточных наборах, но среднее качество классификации уступило GLiNER2.5-Decide; результаты заметно различаются по областям. Особенно слабыми названы финансовый сентимент и тонкая многометочная классификация эмоций. Для работы на CPU предусмотрен режим bfloat16, а вход обрезается до 512 токенов, причём метки получают приоритет при усечении. Лицензия — Apache-2.0.

mobarmg/jev-schema-scorer-deberta-v3-large — дообученная модель на основе энкодера DeBERTa-v3-large, разработанная для классификации с учётом схемы. Она оценивает пары «состояние и вопрос с кандидатом», а затем детерминированный декодер группирует оценки для выбора варианта, оценки по порядковой шкале или ответа «да/нет». Вопросы, критерии и идентификаторы вариантов задаются во время инференса, поэтому новые наборы меток можно передавать без переобучения. Модель содержит 533,8 млн параметров и принимает текст или сериализованные JSON-объекты. Она обучена на 17 170 синтетических англоязычных вопросах из разных прикладных областей; контекст модели — до 512 токенов, а при обучении использовались последовательности длиной до 384 токенов. В тестах авторы сообщают точность 0,841 для выбора варианта на наборе v2; слабые результаты отмечены для определения следующего действия в записях, классификации ошибок в кратком изложении и оценивания ответов учащихся. Модель подходит для экспериментов с маршрутизацией, триажем, маркировкой по заданным критериям, порядковым оцениванием и проверкой утверждений по короткому тексту. Синтетические данные ограничивают перенос на другие области, длинные тексты и языки, кроме английского; критерии, требующие фоновых знаний или сложных рассуждений, могут снижать качество. Вероятности могут быть чрезмерно концентрированными и должны рассматриваться как ранжирование, а не как калиброванная уверенность. Это не классификатор безопасности; для решений с существенными последствиями, в том числе в модерации, здравоохранении и безопасности, необходима проверка человеком. Лицензия — MIT.

Jupiter-k-7B-slerp — языковая модель для генерации текста и диалогов, созданная Kukedlc. Это объединение моделей NeuralContamination-7B-ties, NeuralTopBench-7B-ties и StrangeMerges_32-7B-slerp с помощью LazyMergekit; архитектура основана на Mistral, размер — 7,1 млрд параметров. Модель распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель подходит для диалогового общения и генерации текста. Она распространяется по лицензии Apache-2.0. README не описывает специальные предметные области или отдельные гарантии качества.