III.4Клиентская поддержка и customer success

MaziyarPanahi/M7Yamshadowexperiment28_MeliodasT3qm7 — объединённая модель Mistral с плотной архитектурой и 7,1 млрд параметров. Она предназначена для генерации текста и диалоговых ответов, включая сценарии с длинным контекстом до 32 768 токенов. Модель создана слиянием automerger/M7Yamshadowexperiment28-7B и automerger/MeliodasT3qm7-7B. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. Сведения о языковой специализации и ограничениях качества в карточке отсутствуют.

Magnolia-v2-Gemma2-8k-9B — объединённая методом SLERP языковая модель, созданная автором репозитория с помощью mergekit на основе grimjim/Magnolia-v1-Gemma2-8k-9B и grimjim/Magot-v2-Gemma2-8k-9B. Это плотная модель Gemma 2 с 9 млрд параметров для генерации текста и диалогов; контекст — до 8192 токенов. Модель ориентирована на беседы и творческую генерацию, сохраняя, по оценке автора, внимание к контексту и баланс между творческим ответом и следованием инструкциям. Подходит для чат-сценариев и написания текстов. Репозиторий содержит веса safetensors; для работы указана библиотека Transformers. Лицензия — Gemma.

Magnum-v1-32b — диалоговая языковая модель Anthracite-org, дообученная на базе Qwen1.5-32B для генерации связного текста и следования инструкциям. Авторы ориентировали серию Magnum на качество прозы, сопоставимое с Claude 3 Sonnet и Opus. Модель содержит 31,7 млрд параметров, использует архитектуру Qwen2 и принимает диалоговые запросы в формате ChatML; заявленная длина контекста — 32 768 токенов. Модель подходит для написания и редактирования текстов, ответов на вопросы и выполнения инструкций в чате. При дообучении использовались датасеты для следования инструкциям, связности и письма, включая выборки Opus Instruct и Sonnet Orca. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому перед использованием следует проверить её условия. Карточка не приводит количественных оценок качества; характеристики, приписанные качеству Claude 3, являются целью разработки, а не независимым результатом сравнения.

Marengo_7B_SLERP — слитая языковая модель, созданная автором louisgrc с помощью LazyMergekit из automerger/OgnoExperiment27-7B и paulml/OmniBeagleSquaredMBX-v3-7B методом SLERP. Модель основана на архитектуре Mistral с плотной архитектурой и содержит 7,1 млрд параметров; она предназначена для генерации текста и диалогов. Контекстное окно составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке не заявлены специальные предметные области или поддерживаемые естественные языки. Файлы опубликованы в формате safetensors; условия использования определяются лицензией репозитория Hugging Face.

MasherAI-v6.1-7B-checkpoint3 — плотная авторегрессионная языковая модель семейства Mistral, разработанная mahiatlinux и дообученная на базе mahiatlinux/MasherAI-v6.2-7B-checkpoint2. Модель предназначена для генерации текста и диалогового общения; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и выдаёт текст. Её родной контекст составляет 32 768 токенов, а в карточке заявлена поддержка английского языка. Модель распространяется под лицензией Apache-2.0.

MeliodasPercival_01_AlloyingotneoyNeuralsirkrishna — объединённая языковая модель MaziyarPanahi, построенная на архитектуре Mistral. Веса получены слиянием automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyNeuralsirkrishna-7B. Модель содержит 7,1 млрд параметров, использует формат Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Её можно использовать для ответов на запросы, продолжения текста и создания черновиков. Карточка не уточняет отдельные языки, специализированные области или дополнительные возможности. Лицензия — Apache-2.0.

MeliodasPercival_01_YamExperiment24 — объединённая модель на архитектуре Mistral, созданная из automerger/MeliodasPercival_01-7B и automerger/YamExperiment24-7B. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Лицензия — Apache-2.0.

MeliodasPercival_01_YamNeuralsirkrishna — объединённая модель Mistral с 7,1 млрд параметров, созданная на основе automerger/MeliodasPercival_01-7B и automerger/YamNeuralsirkrishna-7B. Она предназначена для генерации текста и диалогов на основе текстовых запросов; максимальная длина контекста составляет 32 768 токенов. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специальные области применения или отдельные языковые возможности, поэтому её можно рассматривать как модель общего назначения. Характеристики и ограничения исходных моделей в карточке не раскрыты.

Memgpt-3x7b-MOE — разговорная языковая модель, созданная Liminerity с помощью LazyMergekit путём объединения трёх моделей MemGPT: starsnatched/MemGPT-DPO, starsnatched/MemGPT-3 и starsnatched/MemGPT. Она использует архитектуру Mixtral с механизмом смеси экспертов (MoE), содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалогах и чат-сценариях. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В доступных сведениях не описаны языковое покрытие и ограничения качества модели.

gotchu/merge-34b-2 — объединённая языковая модель, созданная с помощью mergekit из jondurbin/nontoxic-bagel-34b-v0.2 и NousResearch/Nous-Hermes-2-Yi-34B. Для слияния применён метод SLERP с настройками для слоёв self-attention и MLP; архитектура — плотная LlamaForCausalLM, размер — 33,9 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста и диалогового взаимодействия; базовая модель Nous-Hermes-2-Yi-34B рассчитана на следование инструкциям и многоходовые диалоги в формате ChatML. Указанная нативная длина контекста — 200 000 токенов. Модель принимает текст и выдаёт текст. В карточке не описаны специальные предметные области или языковой охват. Лицензия в предоставленных данных не указана.

papercat404/mergecat_v0.1 — объединённая языковая модель, созданная методом SLERP с помощью mergekit на основе hkss/hk-SOLAR-10.7B-v1.4 и hwkwon/S-SOLAR-10.7B-v1.4. Модель относится к семейству Llama, использует архитектуру LlamaForCausalLM и содержит 10,6 млрд параметров; она предназначена для генерации текста и диалоговых ответов на текстовые запросы с контекстом до 4096 токенов. Модель распространяется в формате safetensors для Transformers по лицензии Apache-2.0. Карточка не описывает отдельную специализацию или конкретные ограничения качества; пригодность ответов следует оценивать для выбранного сценария.

Карточка модели mergekit-community/mergekit-slerp-bjlsrkr на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

mergekit-community/mergekit-slerp-eundxnq — языковая модель, созданная сообществом с помощью mergekit путём слияния Meta-Llama-3-8B и Meta-Llama-3-8B-Instruct методом SLERP. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов. Она предназначена для генерации текста и диалоговых ответов. Слияние базовой и инструкционной версий Llama 3 объединяет возможности продолжения текста и следования инструкциям. Модель принимает текст и выдаёт текст; метаданные отмечают поддержку чата. README не приводит отдельные результаты оценки качества или сведения о поддерживаемых языках, поэтому эти характеристики нельзя уточнить. Для использования действуют условия лицензии базовых моделей Meta-Llama-3.

Карточка модели mergekit-community/mergekit-slerp-hsdezod на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

mergekit-community/mergekit-slerp-jeyctse — языковая чат-модель, созданная сообществом слиянием моделей HuggingFaceH4/zephyr-7b-beta и Equall/Saul-Base методом SLERP с помощью mergekit. Это плотная модель Mistral с 7,1 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: ответов на вопросы и выполнения пользовательских инструкций. В метаданных основной язык не задан; базовая Zephyr-7B-β описана как англоязычная чат-модель. Условия лицензирования в предоставленных данных не приведены. Качество и поведение результата слияния могут отличаться от исходных моделей.

Карточка модели mergekit-community/mergekit-slerp-utpztvu на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

Карточка модели mergekit-community/mergekit-slerp-vhzhpmg на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

Это объединённая методом SLERP языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, созданная сообществом mergekit-community из huihui-ai/Qwen2.5-7B-Instruct-abliterated-v2 и maywell/Qwen2-7B-Multilingual-RP. Модель предназначена для генерации текста и диалогов; её можно использовать в чат-сценариях и для свободного продолжения текста. Модель принимает текст и генерирует текст. Заявленная длина контекста — 32 768 токенов. В состав объединения входят инструкционная версия Qwen2.5 с abliteration и многоязычная модель Qwen2; точный перечень поддерживаемых языков в предоставленных данных не приведён. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Mergerix-7b-v0.3 — объединённая текстовая модель семейства Mistral, опубликованная MiniMoog. Она создана методом слияния model_stock с помощью LazyMergekit на основе Gille/StrangeMerges_32-7B-slerp, yam-peleg/Experiment26-7B и liminerity/M7-7b; в конфигурации последняя указана как базовая. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста, в том числе диалоговых ответов. Контекст составляет до 32 768 токенов; веса доступны в формате Safetensors. Модель подходит для генерации текста и ведения диалога. Для неё указана лицензия Apache-2.0. README описывает состав и метод слияния, но не приводит оценки качества или конкретных ограничений; результаты могут зависеть от сценария применения.

gbueno86/Meta-LLama-3-Cat-Smaug-LLama-70b — языковая модель, созданная слиянием моделей Meta-LLama-3-Cat-A-LLama-70b и abacusai/Smaug-Llama-3-70B-Instruct. Слияние выполнено методом SLERP с помощью mergekit. Модель предназначена для генерации текста и ответов в диалогах. Она построена на архитектуре Llama 3, содержит 69,5 млрд параметров и поддерживает контекст до 8192 токенов. В метаданных указан английский язык и интерфейс чата. В README приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Модель распространяется в формате safetensors по лицензии Llama 3.

MetaModel — разговорная языковая модель на архитектуре Llama, созданная автором репозитория gagan3012 путём слияния моделей jeonsworld/CarbonVillain-en-10.7B-v4 и kekmodel/StopCarbon-10.7B-v5 с помощью mergekit и метода SLERP. Модель содержит 10,6 млрд параметров и распространяется в формате safetensors; для генерации текста указан контекст длиной 4096 токенов. Модель предназначена для диалогов и генерации текста. В README приведены результаты оценки на Open LLM Leaderboard, включая тесты ARC и HellaSwag. Репозиторий лицензирован по Apache-2.0.

MFANNv0.15.10 — диалоговая языковая модель, созданная netcat420 слиянием TIES через mergekit. В основе лежит MaziyarPanahi/Llama-3-8B-Instruct-v0.4; в слияние также вошли netcat420/MFANNv0.15 и netcat420/MFANNv0.14. Модель построена на архитектуре Llama, содержит около 7,5 млрд параметров и использует формат Safetensors. Модель предназначена для генерации текста и диалоговых ответов ассистента. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет 32 768 токенов. Карточка не уточняет языковой охват или специализированные предметные области, поэтому модель следует рассматривать как общую диалоговую модель. Лицензия и конкретные ограничения применения в предоставленных данных не описаны.

miiqu-f16 — разговорная языковая модель от Infinimol AI GmbH на архитектуре Llama, представленная в формате safetensors для Transformers. Модель рассчитана на генерацию текста и диалоговое взаимодействие; в README также приведён результат на EQ-Bench — 8-е место в сравнении с несколькими крупными чат-моделями. Заявленное окно контекста — 32 768 токенов. Модель содержит 90,1 млрд параметров по метаданным. README сообщает, что она создана без дообучения и дополнительного обучения; метаданные помечают её как слияние, поэтому происхождение следует считать слиянием моделей. Доступны варианты GGUF Q4_K_M и EXL2 5.0 bpw. Для диалогов указаны шаблоны ChatML и Mistral. Метаданные отмечают поддержку английского, немецкого, французского, испанского и итальянского языков. Лицензия обозначена как other, без конкретных условий в предоставленных данных.

MiLMMT-46-4B-v0.1 — модель Xiaomi для машинного перевода на базе языковой модели Gemma 3. Она дообучена на MiLMMT-46-4B-Pretrain, созданной продолжением предобучения Gemma3-4B на 143 млрд токенов из монолингвальных и параллельных данных на 46 языках. Модель использует архитектуру Gemma 3 с генерацией текста; веса доступны в формате safetensors. Модель предназначена для перевода между поддерживаемыми языками по текстовому запросу. В их числе русский, английский, китайский, арабский, хинди, японский, корейский, испанский, французский и другие — всего 46 языков. Лицензия указана как Gemma. Заявленная поддержка ограничена перечисленными 46 языками; качество перевода на другие языки не гарантируется. Разработчик также отмечает, что качество перевода продолжает улучшаться.

MiLMMT-46-4B-v1.0 — языковая модель Xiaomi Inc. для перевода между 46 поддерживаемыми языками. Она основана на Gemma 3 и построена в несколько этапов: продолженное предобучение на 143 млрд токенов монолингвальных и параллельных данных, supervised fine-tuning, обучение с подкреплением и слияние моделей. В метаданных указаны архитектура Gemma3ForConditionalGeneration и формат safetensors; модель запускается через Transformers. Модель предназначена для перевода текстов, в том числе между такими языками, как русский, английский, китайский, японский, арабский и хинди. Для перевода следует указывать названия исходного и целевого языков в запросе. Модель поддерживает только перечисленные в карточке 46 языков, а качество перевода на другие языки не гарантируется. Лицензия — Gemma.

Misgit-7B-slerp — объединённая языковая модель, созданная с помощью LazyMergekit из fblgit/UNA-TheBeagle-7b-v1 и mistralai/Mistral-7B-v0.1. В основе лежит архитектура Mistral с плотной причинной языковой моделью на 7,1 млрд параметров; веса объединены методом slerp и сохранены в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового ввода. Указанное контекстное окно составляет 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0.

mncai/mistral-7b-dpo-merge-v1.1 — объединённая инструкционная языковая модель от MindsAndCompany на базе Mistral. В карточке указано, что при создании объединены mncai/mistral-7b-dpo-v6, rwitz2/go-bruins-v2.1.1, ignos/LeoScorpius-GreenNode-Alpaca-7B-v1 и janai-hq/trinity-v1 с помощью TIES; базовая модель прошла instruction tuning и DPO. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors, а длина контекста составляет 32 768 токенов. Модель предназначена для генерации текста по инструкциям: например, для ответов на вопросы и диалоговых сценариев. Пример в карточке содержит запрос на корейском языке, но метаданные указывают английский как язык модели. Лицензия — Apache 2.0. Авторы предупреждают, что результаты на открытых лидербордах могут быть переобучены и не отражать качество на реальных задачах; они рекомендуют оценивать модель на собственных данных. В карточке также отмечено, что mncai/mistral-7b-dpo-v6 показала более слабые результаты во внутренних оценках, чем некоторые другие модели автора.

UCLAML/Mistral-7B-Expert-Iteration-Iter3 — дообученная чат-модель семейства Mistral, разработанная UCLAML на базе checkpoints/Mistral-7B-Instruct-EI-Iter2. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов. Модель предназначена для диалоговой генерации текста. Она дообучена на синтетическом наборе данных synthetic_data_mistral-7b-instruct-expert-iteration-iter3_score; в README приведён результат Loss 0,4722 на наборе оценки. Подробности о специальных сценариях применения и поддерживаемых языках в предоставленных источниках отсутствуют. Лицензия не указана.

Mistral-7B-golden-Mistral-7B-Instruct-v0.2-slerp — объединённая диалоговая модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.2 и Mistral-7B-golden методом SLERP. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст; в репозитории представлены веса Safetensors. Указана лицензия Apache-2.0. Карточка описывает конфигурацию слияния, но не приводит сравнительных оценок качества или подробностей о языковом покрытии.

RaduGabriel/Mistral-7B-Instruct-v0.2NEURAL — диалоговая языковая модель, созданная объединением Mistral-7B-Instruct-v0.2 от Mistral AI и NeuralTrix-7B-dpo от CultriX с помощью LazyMergekit и метода SLERP. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; она предназначена для генерации текста и диалоговых ответов на инструкции. Контекст составляет до 32 768 токенов. Модель подходит для чат-ботов, составления текстов и ответов на запросы в диалоговом формате. В карточке не описаны специальные возможности или области применения, а также языковая специализация, поэтому их нельзя уточнить. Репозиторий содержит веса в формате Safetensors. Метаданные не сообщают лицензию, поэтому условия использования по имеющимся данным определить нельзя.