III.4Клиентская поддержка и customer success

Loyola разработала Loyola/Mistral-7b-ITmodel — чат-модель для генерации текста, дообученную на базе Mistral-7B-Instruct-v0.2 с использованием набора данных nlpai-lab/kullm-v2. Модель основана на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и принимает запросы в формате Mistral Prompt Template. Она предназначена для диалогов и генерации ответов; заявлены английский и корейский языки. Модель распространяется в формате safetensors по лицензии Apache-2.0. Контекстное окно составляет 32 768 токенов.

Mistral-7B-KNUT-v0.2-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.1 и Mistral-7B-KNUT-v0.2 методом SLERP. Модель содержит 7,1 млрд параметров, работает с текстом и имеет контекст до 32 768 токенов. Модель предназначена для генерации текста, ответов на инструкции и диалоговые запросы. Сочетает возможности двух исходных моделей; карточка не приводит отдельных оценок качества или конкретных специализированных сценариев. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

MaziyarPanahi/mistral-ft-optimized-1218-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral с 7,1 млрд параметров. Она создана методом Slerp merge из mistralai/Mistral-7B-Instruct-v0.1 и OpenPipe/mistral-ft-optimized-1218; веса представлены в формате safetensors. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Подходит для чат-ботов, черновиков текстов, ответов на вопросы и других сценариев генерации на английском языке. Заявленная длина контекста — 32 768 токенов. Модель распространяется по лицензии Apache-2.0. Доступные сведения не описывают отдельные ограничения качества или оценки безопасности.

Mistral-Interact — языковая модель на основе Mistral-7B-v0.1, разработанная авторами проекта Mistral-Interact и полностью дообученная на наборе Intention-in-Interaction (IN3). Она предназначена для диалогов, в которых нужно оценить, насколько пользовательская инструкция расплывчата, выявить недостающие детали, задать уточняющие вопросы с предложениями и затем явно суммировать намерение пользователя. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке заявлены улучшенное распознавание неоднозначности инструкций, выявление важных пропусков и дружелюбное уточнение требований; авторы также сообщают о сопоставимых с GPT-4 результатах по ряду оценок взаимодействия. Модель принимает и генерирует текст, обучена для английского языка. Доступна по лицензии Apache-2.0. Заявления о сравнительной производительности основаны на описании авторов; README отсылает к статье и репозиторию за подробностями.

AlSamCur123/Mistral-NeMo-Minitron-8B-InstructContinuedFine — дообученная AlSamCur123 диалоговая языковая модель на архитектуре Mistral с 7,9 млрд параметров. Она создана на основе nvidia/Mistral-NeMo-Minitron-8B-Instruct и предназначена для генерации текста в формате диалога; обучение проводилось с использованием Unsloth и Hugging Face TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 000 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Подробности о специализации дообучения и оценках качества в карточке не приведены.

Mixtral-8x22B-Capyboros-v1 — дообученная с помощью QLoRA языковая модель автора tdrussell на базе Mixtral-8x22B-v0.1. Она использует архитектуру Mixtral с разреженными экспертами и предназначена для генерации текста в формате инструкций Mistral: запрос заключают между маркерами [INST] и [/INST]. Обучение проведено на сочетании датасетов Capybara и Airoboros; адаптер имеет ранг LoRA 64, обучение шло два эпоха с длиной последовательности 4096 токенов. Модель подходит для диалоговых ответов, объяснения понятий и выполнения текстовых инструкций. В репозитории есть веса safetensors и отдельный квантованный вариант GGUF Q4_K_S; README сообщает, что квантованный файл помещается при контексте не менее 16 тысяч токенов на видеопамяти 96 ГБ. Метаданные указывают размер 22B параметров и нативный контекст 65536 токенов. Лицензия — Apache-2.0. Результаты зависят от формата промпта и могут наследовать ограничения обучающих данных; сведений о систематической оценке качества нет.

Карточка модели vistagi/Mixtral-8x7b-v0.1-sft на Hugging Face совпадает с карточкой vistagi/Mixtral-8x7b-v0.1-dpo, поэтому описание составлено по ней. 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.

MixtureofMerges-MoE-4x7b-v10-MIXTRAL3 — языковая модель с архитектурой Mixture of Experts (MoE), созданная методом слияния моделей с помощью LazyMergekit. В состав объединения входят mistralai/Mistral-7B-Instruct-v0.3, Kukedlc/NeuralSynthesis-7B-v0.1, mlabonne/AlphaMonarch-7B и s3nh/SeverusWestLake-7B-DPO. Модель имеет 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Она распространяется в формате safetensors по лицензии Apache-2.0. Метаданные указывают поддержку чата, но карточка не уточняет языки и дополнительные возможности модели.

MobileLLaMA-2.7B-Chat — чат-модель, разработанная на основе MobileLLaMA-2.7B-Base и дообученная методом supervised instruction fine-tuning на датасете ShareGPT. Это плотная авторегрессионная модель семейства LLaMA с 2,6 млрд параметров, предназначенная для генерации текста и ответов на инструкции. Модель можно загружать с помощью Hugging Face Transformers; её контекст составляет 2048 токенов. Модель подходит для диалоговых помощников и генерации ответов на текстовые запросы. В карточке указана лицензия Apache-2.0. Данных о поддерживаемых естественных языках и специальных ограничениях качества в карточке нет.

Klevin/MOE-Finetuned-4B — разговорная текстовая модель, разработанная Klevin и дообученная на базе unsloth/mistral-7b-instruct-v0.3-bnb-4bit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста в диалогах и ответов на текстовые запросы на английском языке. Репозиторий распространяется по лицензии Apache-2.0.

zelk12 выпустил MT1-Gen4-GI-gemma-2-9B — объединение двух предварительно обученных языковых моделей с помощью метода SLERP и инструментария mergekit. Это плотная авторегрессионная модель семейства Gemma 2 с 9 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; базовой моделью в конфигурации слияния указана zelk12/MT1-Gen4-GP-gemma-2-S4S5-9B. Модель принимает текст и генерирует текст, поддерживая контекст до 8192 токенов. Данные не описывают специализацию по предметной области или отдельные языки; явные сведения о лицензии отсутствуют, поэтому условия использования следует уточнить в карточке модели и условиях базовых моделей. Слияние объединяет веса моделей, но само по себе не гарантирует улучшения качества или одинакового поведения во всех задачах.

zelk12/MT2-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B — объединённая модель генерации текста, созданная разработчиком zelk12 методом SLERP с помощью mergekit из двух моделей: zelk12/MT-Merge4-gemma-2-9B и zelk12/MT-Merge2-MU-gemma-2-MTg2MT1g2-9B. Модель построена на плотной архитектуре Gemma 2 с 9 млрд параметров и поддерживает контекст длиной до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Данные не описывают её специализацию по языкам или предметным областям, поэтому её можно характеризовать только как модель общего назначения. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Лицензия в предоставленных данных не указана.

zelk12/MT5-Gen5-MUMM-gemma-2-9B — текстовая языковая модель, созданная разработчиком репозитория объединением двух предварительно обученных моделей семейства Gemma 2. Для объединения использован метод SLERP через mergekit; веса представлены в формате Safetensors. Модель предназначена для генерации текста и диалогового общения. Модель содержит 9 млрд параметров и поддерживает контекст длиной до 8192 токенов. В карточке не приведены сведения о целевых языках, конкретных сценариях настройки или специализированных областях применения, поэтому её можно характеризовать только как модель общего назначения. Лицензия в предоставленных данных не указана.

zelk12 выпустил объединённую модель Gemma 2 для диалогов и генерации текста. Она создана методом SLERP с помощью mergekit из моделей zelk12/recoilme-gemma-2-Ifable-9B-v0.1 и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1. Модель имеет плотную архитектуру Gemma2ForCausalLM и содержит 9 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. Репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Модель подходит для ведения диалогов и генерации ответов по текстовым инструкциям. README и метаданные не сообщают о специальных прикладных областях или ограничениях качества. Лицензия в предоставленных данных не указана.

zelk12 объединил методом SLERP две разговорные языковые модели на базе Gemma 2: zelk12/MT-Gen3-gemma-2-9B и zelk12/MT2-Gen3-gemma-2-9B. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на вопросы и ведения беседы. Это плотная авторегрессионная модель Gemma2ForCausalLM с 9 млрд параметров и контекстом 8192 токена. Репозиторий содержит веса в формате safetensors; в README также указано происхождение статических квантованных сборок GGUF. Языковые характеристики и лицензия в использованных источниках не описаны.

zelk12/MT-Gen4-MU-gemma-2-Sv1IBTS5-9B — объединённая методом SLERP языковая модель семейства Gemma 2 на 9 млрд параметров. По карточке, при создании использованы allknowingroger/GemmaSlerp5-10B и gmonsoon/SahabatAI-Lion-9B-TIES-v1; merge выполнен с помощью mergekit, веса указаны в формате bfloat16. Модель предназначена для диалогов и генерации текста по инструкциям; метаданные отмечают поддержку чата и контекст до 8192 токенов. Описание базовой модели каталога указывает на языки Юго-Восточной Азии и английский, но конкретные поддерживаемые языки этой модели не перечислены. Репозиторий содержит веса safetensors. Лицензия в предоставленных сведениях не указана.

zelk12/MT-Merge1-gemma-2-9B — объединённая разговорная языковая модель на 9 млрд параметров, созданная с помощью mergekit методом SLERP из zelk12/MT5-Gen1-MMGBI-gemma-2-9B и zelk12/MT-Merge1-MAMU-gemma-2-9B. Модель построена на архитектуре Gemma 2 с причинной языковой моделью Gemma2ForCausalLM и предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст; нативный контекст составляет 8192 токена. В карточке приведены результаты Open LLM Leaderboard: среднее значение 33,13, IFEval — 78,86 и BBH — 44,06. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия и специальные языковые ограничения в предоставленных данных не указаны.

zelk12/MT-Merge2-IF-gemma-2-MT4g2MT1g2-9B — объединённая с помощью SLERP языковая модель на основе Gemma 2, созданная слиянием zelk12/MT1-Gen2-gemma-2-9B и zelk12/MT4-Gen2-gemma-2-9B. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и работает с контекстом до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на вопросы, ведения беседы и создания текстовых черновиков. В метаданных указана поддержка чата; сведения о специализированных предметных областях и конкретных языках отсутствуют. Модель доступна в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

zelk12/MT-Merge4-MMMA-gemma-2-9B — языковая модель для генерации текста и диалогов, созданная слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP. Она основана на архитектуре Gemma 2 с плотной архитектурой и содержит 9 млрд параметров; репозиторий содержит веса в формате safetensors. Модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Модель подходит для диалогового взаимодействия и генерации текста общего назначения. В README указано, что при слиянии использовались zelk12/MT-Merge4-MA-gemma-2-MT3g4MTg4-9B и zelk12/MT-Merge4-MM-gemma-2-MT5g4MT3g4-9B. Языки и специальные предметные области в предоставленных данных не описаны. Лицензия в метаданных и README не указана.

zelk12/MTM-Merge-MU-gemma-2-MTM4MTM3-9B — разговорная языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная автором репозитория слиянием предварительно обученных моделей zelk12/MT-Merge4-gemma-2-9B и zelk12/MT-Merge3-gemma-2-9B. Для объединения применён метод SLERP с использованием mergekit; веса представлены в формате safetensors и модель рассчитана на работу через Transformers. Модель предназначена для генерации текста и ведения диалогов. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленный размер контекста — 8192 токена. Данные о целевых языках и специализированных предметных областях в доступных источниках отсутствуют. Лицензия и конкретные ограничения качества или безопасности в README и метаданных не приведены.

Многоязычная модель анализа тональности tabularisai/multilingual-sentiment-analysis разработана Tabularis AI и дообучена на distilbert/distilbert-base-multilingual-cased. Она использует архитектуру DistilBERT для классификации текста на пять категорий: очень негативная, негативная, нейтральная, позитивная и очень позитивная тональность. Модель принимает текст и выдаёт метку тональности с оценками классов. Модель предназначена для анализа публикаций в социальных сетях, отзывов о товарах и обратной связи от клиентов на разных языках, а также для мониторинга брендов и рыночных исследований. Поддерживаются английский, китайский, испанский, хинди, арабский, бенгальский, португальский, русский, японский, немецкий, малайский, телугу, вьетнамский, корейский, французский, турецкий, итальянский, польский, украинский, тагальский, нидерландский, швейцарский немецкий и суахили. Контекст модели — до 512 токенов. Для обучения использовались синтетические многоязычные данные. Авторы рекомендуют проверять качество на реальных данных целевого сценария. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Decodesrahul/my-custom-smart-ai — дообученная Decodesrahul разговорная языковая модель на архитектуре Llama. Она предназначена для генерации текста в формате чата и основана на unsloth/llama-3-8b-instruct-bnb-4bit; для обучения использовались Unsloth и библиотека TRL. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель подходит для диалоговых сценариев и генерации ответов на английском языке. В карточке не описаны специализированные области применения и конкретные наборы данных, поэтому её следует считать моделью общего назначения. Лицензия — Apache 2.0.

NanoTitan-NLI — компактная англоязычная модель для вывода отношений между парой предложений и классификации текста по заданным категориям. Разработчик позиционирует её как решение для маршрутизации запросов, обработки потоков и развёртывания на CPU-узлах с низкой задержкой. Модель основана на Microsoft MiniLM-L12-H384-uncased и дообучена на MultiNLI; архитектура — BERT-подобный энкодер из 12 слоёв с размерностью 384 и 12 головами внимания. В метаданных указано около 40 млн параметров, в README — 33,36 млн. Модель принимает текстовые пары, а для классификации без заранее обученных меток использует формулировки гипотез; основной pipeline-тег — text-classification. README сообщает о поддержке последовательностей до 512 токенов и обучении с ограничением в 128 токенов. Заявлены точность 85,35% на MNLI Matched и низкая задержка CPU, однако эти результаты приведены автором и не подтверждены независимой оценкой. Лицензия — MIT, допускающая коммерческое использование.

NearalMistral-2x7B — чат-модель семейства Mixtral с архитектурой смеси экспертов (MoE), созданная Corianas с помощью LazyMergekit путём объединения mistralai/Mistral-7B-Instruct-v0.1 и Corianas/Neural-Mistral-7B. Она предназначена для генерации текста и ответов на диалоговые запросы. В конфигурации указаны два эксперта и случайный режим маршрутизации; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса Safetensors, а лицензия — Apache-2.0. README не приводит результаты оценки качества, подробностей о поддерживаемых языках или специальных предметных областях.

neo_7b-slerp — текстовая генеративная модель на архитектуре LLaMA, созданная DewEfresh с помощью LazyMergekit. README описывает её как слияние двух моделей m-a-p/neo_7b; метаданные указывают базовую модель m-a-p/neo_7b и связь finetune. В репозитории используются веса Safetensors, а размер модели составляет 3,9 млрд параметров. Модель предназначена для генерации текста и диалоговых приложений. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Языки модели в доступных сведениях не указаны. Лицензия в предоставленных данных не указана.

YeonwooSung/Neos-Gemma-2-9b — диалоговая языковая модель на архитектуре Gemma 2, дообученная автором с помощью ORPO. В основе лежит google/gemma-2-9b-it; модель содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Для дообучения использован набор mlabonne/orpo-dpo-mix-40k. Модель предназначена для генерации текста в диалоговом формате, ответов на вопросы и других задач общения с языковой моделью. В карточке приведены результаты оценок Open LLM Leaderboard, включая IFEval и BBH. Модель распространяется в формате safetensors по лицензии Apache-2.0.

NeuralsirkrishnaShadow_Inex16Calme — объединённая модель на базе двух моделей Mistral: automerger/NeuralsirkrishnaShadow-7B и automerger/Inex16Calme-7B. Она предназначена для генерации текста и диалоговых ответов; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий распространяет веса в формате safetensors, лицензия — Apache-2.0. README не описывает специальные сценарии, языки или ограничения качества модели.

NeuralsirkrishnaShadow_ShadowNeuralsirkrishna — объединённая модель Mistral для генерации текста и диалогов. Она содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель создана объединением automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowNeuralsirkrishna-7B. Модель принимает текст и генерирует текст, поэтому подходит для диалоговых сценариев и других задач текстовой генерации. Данные о специализации и языках в карточке не приведены. Репозиторий распространяет веса в формате Safetensors по лицензии Apache-2.0.

NeuralTrixlaser-bf16 — объединённая модель для генерации текста и диалогов, опубликованная CultriX. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; объединение четырёх моделей выполнено с помощью LazyMergekit. Модель принимает текст и генерирует текст, а заявленная длина контекста составляет 32 768 токенов. Модель подходит для диалоговых сценариев и других задач генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не приводит оценок качества, описания целевых языков или подробностей ограничений модели.

Neuronovo/neuronovo-9B-v0.3 — диалоговая языковая модель, созданная Яном Коконем и основанная на архитектуре Mistral. Модель содержит 8,9 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Версия 0.3 дообучена на наборах Intel/orca_dpo_pairs и mlabonne/chatml_dpo_pairs для диалогов и генерации ответов. Для обучения использовались одна эпоха и скорость обучения 5e-6; токенизатор взят из Neuronovo/neuronovo-9B-v0.2. Модель подходит для интерактивных сценариев на естественном языке, но README не приводит результатов оценки качества или подробных ограничений. Лицензия — Apache-2.0.