III.4Клиентская поддержка и customer success

Nitral-Archive/NightWing3_Virtuoso-10B-v0.2 — языковая модель, созданная объединением моделей NightWing3-10B-v0.1 и Virtuoso-Lite-chatmlified-10B_r16-ep1. Она предназначена для генерации текста и диалогового общения; для взаимодействия используется формат ChatML с сообщениями system, user и assistant. Модель построена на плотной архитектуре Llama и содержит 9,9 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors, модель рассчитана на Transformers. Лицензия указана как other, поэтому условия использования следует проверить в карточке модели и связанных компонентов.

baconnier опубликовал чат-модель Notaires_dolphin-2.9.1-yi-1.5-9b, дообученную на базе cognitivecomputations/dolphin-2.9.1-yi-1.5-9b. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 8,6 млрд параметров и рассчитанная на генерацию текста в диалоговом формате. В карточке указано, что при обучении использовались Unsloth и TRL. Модель подходит для генерации ответов в чате и других задач текстовой генерации. Заявленный контекст составляет 12 000 токенов; язык карточки — английский. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Nous-Hermes-2-Mistral-7B-DPO-4bit-MLX — преобразованная в формат MLX 4-битная версия модели Nous-Hermes-2-Mistral-7B-DPO от NousResearch. В основе лежит дообученная Mistral-7B-v0.1 с плотной архитектурой MistralForCausalLM, 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате и выполнения инструкций на английском языке. Её можно применять для чат-ботов, ответов на вопросы, написания и преобразования текстов. Репозиторий распространяется по лицензии Apache-2.0. Это конверсия с 4-битным представлением весов для MLX; README направляет за подробностями о поведении модели к карточке исходного чекпойнта.

NyakuraV2.1-m7-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением весов Mistral-7B-Instruct-v0.2 и Sao10K/NyakuraV2.1-m7 методом SLERP. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и рассчитана на генерацию текста и ответы на инструкции в формате диалога; длина контекста составляет до 32 768 токенов. Модель подходит для чат-ботов, ответов на запросы и генерации текста. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. В README не приведены результаты сравнительных оценок или подробности языковой специализации.

Nyxene-v1-11B — разговорная языковая модель на архитектуре Mistral, созданная автором beberik путём слияния нескольких моделей семейства 7B с помощью mergekit. В README указаны Starling-LM-7B-alpha, DPOpenHermes-7B, juanako-7b-UNA, loyal-piano-m7 и notus-7b-v1; автор описывает эксперименты с их сочетанием для получения более творческих ответов. Модель содержит 10,6 млрд параметров, использует формат safetensors, контекст до 32 768 токенов и предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель подходит для чат-ботов, ответов на вопросы, следования инструкциям и творческой генерации текста. README приводит результаты Open LLM Leaderboard, включая средний балл 67,58, но не описывает методику оценивания подробно. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

OpenBuddy-deepseek-10b-v17.1-4k — многоязычная разговорная языковая модель проекта OpenBuddy, представленная в формате Safetensors и рассчитанная на генерацию текста. Это плотная модель архитектуры LLaMA с 10,1 млрд параметров и контекстом до 4096 токенов; в метаданных заявлена поддержка китайского, английского, французского, немецкого, японского, корейского, итальянского, русского и финского языков. Модель подходит для диалогов, ответов на вопросы и генерации текста на поддерживаемых языках. README указывает базовую модель DeepSeek и лицензию DeepSeek, но не уточняет способ получения этой версии. Модель может выдавать ошибочные, вредные или оскорбительные ответы; авторы предостерегают от применения в критически важных сценариях, включая медицину, управление опасными системами и значимые финансовые или юридические решения. Условия лицензии следует сверять с лицензией DeepSeek.

OpenBuddy-Falcon-40B-v16.1-4k — многоязычная чат-модель на архитектуре Falcon, разработанная проектом OpenBuddy для генерации ответов в диалоге. Она предназначена для общения и генерации текста на китайском, английском, французском, немецком, японском, корейском, итальянском и русском языках. Модель содержит 65 млрд параметров, использует архитектуру FalconForCausalLM и формат safetensors; нативная длина контекста — 2048 токенов. Доступна по лицензии Apache 2.0. Модель может выдавать ошибочную, вредную или оскорбительную информацию. Разработчики не рекомендуют применять её в ситуациях с высокими ставками, включая медицинские, финансовые и юридические решения, а также управление потенциально опасными системами.

sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO — чат-модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. По README, модель обучалась методом DPO с LoRA-адаптером на задачах causal language modeling; параметры обучения включали beta=0,1 и максимальную длину последовательности 1536 токенов. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы, ведения беседы и подготовки текстовых черновиков. В метаданных указаны поддержка чата и формат safetensors. Лицензия — Apache-2.0. README не описывает состав обучающих данных, конкретные языки или сравнительные результаты качества.

Orca Mini v9.2 — диалоговая языковая модель Pankaj Mathur, дообученная на базе Meta Llama 3.3 70B Instruct. Она предназначена для генерации текста и работы в роли разговорного ассистента; в карточке приведён формат промпта Llama 3. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Карточка указывает английский язык, а базовая модель поддерживает также французский, немецкий, хинди, итальянский, португальский, испанский и тайский; качество Orca Mini на этих языках отдельно не подтверждено. Модель может генерировать неточные, предвзятые или нежелательные ответы, поэтому перед применением требуется тестирование и настройка мер безопасности под конкретный сценарий. Распространяется по лицензии Llama 3.3.

Модель ihughes15234/phi35_kp_dpo5epoch_total — текстовая разговорная модель генерации текста, разработанная ihughes15234 и дообученная на базе ihughes15234/phi35_kp_dpo2epoch. Она предназначена для диалога и генерации ответов по текстовым запросам. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM, содержит 3,7 млрд параметров и поддерживает контекст длиной до 4096 токенов. При обучении использовались Unsloth и библиотека Hugging Face TRL. Лицензия — Apache-2.0.

Модель arefehRajabian/phi_mini_finetune_16bit — дообученная автором arefehRajabian разговорная языковая модель семейства Phi-3 с плотной архитектурой Phi3ForCausalLM. Она основана на unsloth/phi-4-mini-reasoning-unsloth-bnb-4bit и предназначена для генерации текста в диалогах; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 3,8 млрд параметров, принимает текстовый контекст длиной до 4096 токенов и выдаёт текст. В карточке указано обучение с помощью Unsloth и библиотеки TRL. Указаны английский язык и лицензия Apache-2.0.

Proto-Harpy-Spark-v0.1-7B — объединённая языковая модель семейства Mistral, опубликованная Jacoby746. Она создана методом SLERP с помощью mergekit на основе SanjiWatsuki/Kunoichi-DPO-v2-7B и uukuguy/speechless-instruct-mistral-7b-v0.2. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации текста, диалогов и ответов на вопросы; заявленная длина контекста — 32 768 токенов. Модель может применяться для текстового общения, следования инструкциям и генерации ответов. В README приведены результаты Open LLM Leaderboard, включая IFEval 43,33 и BBH 26,91, однако подробности протокола оценки и дополнительные результаты в доступной карточке ограничены. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0.

Marsouuu/Qwen1_78-ECE-PRYMMAL-Martial — языковая модель для генерации текста, созданная сообществом путём слияния моделей Qwen2.5-1.5B и Qwen2.5-1.5B-Instruct методом SLERP с помощью mergekit. Она предназначена для диалогов и генерации ответов по текстовым запросам. Модель имеет плотную архитектуру Qwen2, содержит 1,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель распространяется в формате safetensors под лицензией Apache-2.0. Карточка приводит результаты отдельных тестов, включая IFEval и BBH; эти оценки не гарантируют качество на других запросах.

mergekit-community/qwen2.5-11B-Mzy — объединённая плотная языковая модель семейства Qwen2.5, созданная с помощью mergekit методом passthrough из AIDC-AI/Marco-o1, djuna/Q2.5-Fuppavy-7B и happzy2633/qwen2.5-7b-ins-v3. Модель содержит 10,8 млрд параметров и предназначена для генерации текста в диалоговых сценариях. Модель принимает текст и выдаёт текст; доступна в формате safetensors для Transformers. Заявленная длина контекста — 32 768 токенов. В README указано, что веса собраны из диапазонов слоёв трёх исходных моделей; детали лицензии и результаты сравнительных оценок в предоставленных данных отсутствуют.

Phantomcloak19/qwen3-4b-dpo — полновесная модель, полученная после этапа Direct Preference Optimization (DPO) в последовательном конвейере обучения LLMPR; разработчик — Phantomcloak19. Она основана на Qwen/Qwen3-4B и предназначена для диалогов и генерации текста. Модель содержит около 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM, формат safetensors и контекст до 40 960 токенов. Модель принимает текст и выдаёт текст. Карточка не уточняет языки обучения и отдельные специализации, поэтому её можно описать как общую диалоговую языковую модель; сведения о многоязычных возможностях относятся к базовой Qwen3-4B. Указанная в README лицензия отсутствует в предоставленных данных.

Карточка модели speakguru/Qwen3-Omni-30B-A3B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen3-Omni-30B-A3B-Instruct, поэтому описание составлено по ней. Qwen3-Omni-30B-A3B-Instruct — мультимодальная модель общего назначения от команды Qwen компании Alibaba. Она принимает текст, изображения, аудио и видео и формирует потоковые ответы текстом и естественной речью; вариант Instruct включает компоненты Thinker и Talker. Архитектура MoE использует разделение на Thinker и Talker, а модель рассчитана на низколатентное взаимодействие в реальном времени и управление поведением через системные промпты. Модель предназначена для голосовых диалогов, распознавания и понимания речи, описания аудио и видео, а также ответов на вопросы по изображениям и смешанным мультимодальным входам. README заявляет поддержку 119 языков для текста, 19 языков для речевого ввода и 10 для речевого вывода; среди явно перечисленных языков речи есть русский. В примере запуска указан максимальный контекст 65 536 токенов. Для работы предлагаются Transformers и vLLM; README отмечает, что на момент публикации требовалась установка Transformers из исходников. Лицензия в метаданных обозначена как other, без уточнения условий.

RakutenAI-7B-instruct — языковая модель Rakuten Group, Inc. для генерации текста по инструкциям. Это дообученная версия RakutenAI-7B на архитектуре Mistral с 7,2 млрд параметров. Для японского языка словарь расширен до 48 тысяч токенов; модель принимает текст и генерирует текст, поддерживая японский и английский языки. Контекстное окно составляет 32 768 токенов. Модель предназначена для выполнения инструкций, ответов на вопросы и других задач генерации текста. В карточке приведены результаты оценки на японских и английских языковых тестах; они характеризуют тестовые наборы и сами по себе не гарантируют качество на любых пользовательских запросах. Модель может выдавать предвзятые, неточные или небезопасные ответы. Лицензия — Apache License 2.0.

NVIDIA Riva-Translate-4B-Instruct-v1.1 — модель для перевода текста между английским и 11 другими языками и диалектами. Она построена на архитектуре decoder-only Transformer и дообучена для перевода на основе 4-миллиардной модели, полученной сжатием и дистилляцией nvidia/Mistral-NeMo-Minitron-8B-Base. В метаданных базовой моделью указана nvidia/Mistral-NeMo-12B-Base. Модель содержит 3,9 млрд параметров и поддерживает контекст до 8192 токенов. Поддерживаются английский, немецкий, европейский и латиноамериканский варианты испанского, французский, бразильский португальский, русский, упрощённый и традиционный китайский, японский, корейский и арабский. Перевод выполняется в обоих направлениях между английским и каждым из этих языков или вариантов; выбор пары задаётся тегом в системном промпте. Модель работает с текстом и предназначена для использования через Transformers или vLLM. Модель разработала NVIDIA. В карточке лицензия обозначена как NVIDIA Community Model License; перед использованием следует соблюдать её условия. Качество зависит от предметной области, сценария, шума и контекста; возможны грамматические и смысловые ошибки. README сообщает о более новой версии, Riva-Translate-4B-Instruct-v2, с поддержкой 36 языков.

Riva-Translate-4B-Instruct-v2 — модель машинного перевода от NVIDIA на базе архитектуры Mistral. Она содержит 3,9 млрд параметров и дообучена на базе nvidia/Mistral-NeMo-12B-Base. Модель переводит между английским и 36 другими языками, включая русский, китайский, арабский, японский и хинди; поддерживает перевод предложений и документов. Контекст модели — до 8192 токенов. Модель предназначена для двунаправленного перевода между английским и поддерживаемыми языками. Её можно использовать для перевода отдельных фраз, документов и локализации текстов; для выбора языковой пары в запросе задаётся соответствующий тег. В README приведены результаты оценки на наборах FLORES-101 и WMT24++. Точность зависит от предметной области, сценария, шума и контекста; возможны грамматические и смысловые ошибки, а улучшить результат иногда помогает изменение запроса. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Это вариант Robin 65B v2 от OptimalScale, подготовленный TheBloke в формате PyTorch с точностью fp16. Модель относится к семейству Llama, имеет плотную архитектуру и около 65 млрд параметров; контекст составляет 2048 токенов. В карточке приведён шаблон диалога с помощником, который отвечает на вопросы в подробной и вежливой форме. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на вопросы, ведения беседы и подготовки развёрнутых текстовых ответов. Файлы fp16 рассчитаны на GPU-инференс и дальнейшие преобразования; размер модели требует значительных ресурсов видеопамяти. README описывает слияние и/или преобразование исходного репозитория в fp16, поэтому точнее определить происхождение нельзя. Лицензия в метаданных обозначена как other, без дополнительных условий в доступных данных.

RuAdapt-HomerCreativeAnvita-Mix-Qw7B-v1 — объединённая модель генерации текста на базе архитектуры Qwen2, созданная с помощью mergekit методом SLERP из RefalMachine/ruadapt_qwen2.5_7B_ext_u48_instruct и suayptalha/HomerCreativeAnvita-Mix-Qw7B. Она предназначена для диалогов и генерации текста, в том числе на русском и английском языках; каталог также отмечает интерфейс вызова инструментов. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Русскоязычная база RefalMachine адаптирована для диалога и ускоренной обработки русскоязычных последовательностей, а вторая база вносит возможности творческой генерации. Модель распространяется по лицензии Apache-2.0. Доступные сведения не приводят сравнительных оценок качества, поэтому пригодность для конкретных сценариев следует проверять на собственных примерах.

Это русскоязычная модель fyaronskiy на базе ruRoberta-large от ai-forever, дообученная для многометочной классификации эмоций по тексту. Она распознаёт 27 типов эмоций и позволяет извлекать несколько эмоций из одного текста или проверять наличие выбранных эмоций. Модель основана на архитектуре RoBERTa, содержит 454,1 млн параметров и принимает текст с контекстом до 514 токенов. Для запуска доступны веса safetensors и ONNX, включая вариант ONNX с квантизацией INT8; автор сообщает о более быстром выводе при почти сохранённом качестве у квантизированной версии. Качество зависит от класса эмоций: на тестах лучше распознавались, например, восхищение, веселье и благодарность, а для некоторых менее представленных классов, включая горе и облегчение, результаты слабее. Модель распространяется по лицензии MIT.

RWKV-7 World — языковая модель для генерации текста и диалогов, разработанная Бо Пэном, Юй Чжаном, Сонглином Яном и Жуйчуном Чжаном при поддержке RWKV Project под эгидой LF AI & Data Foundation. Модель основана на архитектуре RWKV7 с flash-linear attention; в репозитории указано 2,9 млрд параметров, а метаданные каталога оценивают размер в 3,1 млрд. Она использует токенизатор RWKV World с размером словаря 65 536 и принимает текст, выдавая текст; контекст составляет 2048 токенов. Модель подходит для генерации продолжений, ответов в диалоге и других задач языкового моделирования. README описывает обучение на World v3 на корпусе объёмом 3,119 трлн токенов. Метаданные указывают поддержку английского, китайского, японского, корейского, французского, арабского, испанского и португальского языков; README отдельно называет английский. Для работы указаны Transformers версии 4.48.0 или новее и библиотека flash-linear-attention. Лицензия — Apache-2.0.

Карточка модели SouthMemphis/Saiga на Hugging Face совпадает с карточкой IlyaGusev/saiga_mistral_7b_merged, поэтому описание составлено по ней. IlyaGusev/saiga_mistral_7b_merged — объединённая версия модели семейства Mistral, предназначенная для генерации текста. По метаданным это плотная авторегрессионная модель MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. В README указано, что существуют версии GGUF и квантизации TheBloke, но данный репозиторий содержит веса PyTorch. Модель ориентирована на русскоязычные запросы; метаданные связывают её с русскоязычными наборами инструкций и диалогов. Её можно использовать для ответов на вопросы, диалогов и выполнения текстовых инструкций на русском языке. Лицензия — Apache-2.0. README не раскрывает, какие именно модели были объединены и как выполнялось слияние.

Slavator096/saiga-phi-3-mini-4k — диалоговая языковая модель, созданная Slavator096 дообучением с учителем (SFT) microsoft/Phi-3-mini-4k-instruct на обучающей части набора IlyaGusev/ru_turbo_saiga с помощью Phinetune. Она предназначена для генерации ответов в чате и русскоязычных диалоговых сценариев. Модель использует плотную архитектуру Phi-3ForCausalLM, содержит 3,7 млрд параметров и работает с контекстом до 4096 токенов; в обучении максимальная длина последовательности составляла 2048 токенов. Весы опубликованы в формате safetensors, лицензия — CC BY 4.0. Карточка не сообщает об оценках качества или специальных ограничениях поведения модели.

SambaLingo-Russian-Chat — диалоговая языковая модель SambaNova Systems на архитектуре Llama 2. Модель размером 6,7 млрд параметров дообучена методом direct preference optimization на базе SambaLingo-Russian-Base и предназначена для общения на русском и английском языках. Базовая модель адаптировала Llama 2-7B к русскому языку на 63 млрд токенов русскоязычной части Cultura-X; словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель подходит для ответов на вопросы, диалоговых ассистентов и генерации текста по запросу. Максимальная длина контекста — 4096 токенов. Для загрузки токенизатора README рекомендует отключить fast tokenizer и использовать указанный в карточке chat template. Модель может галлюцинировать, повторяться, переключать язык или диалект внутри ответа, а также хуже справляться с программированием и сложной математикой; возможна генерация токсичного или неподходящего текста. Не предназначена для критически важных задач и решений, влияющих на безопасность людей. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

SEC-MBX-7B-DPO — языковая модель для диалоговой генерации текста, созданная Arcee AI слиянием через mergekit моделей arcee-ai/sec-mistral-7b-instruct-1.2-epoch и macadeliccc/MBX-7B-v3-DPO методом SLERP. Это плотная архитектура Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель подходит для чат-ботов и генерации ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors; лицензия — Apache 2.0. README не приводит результатов оценки качества или подробных ограничений.

SELM-Llama-3-8B-Instruct-iter-2 — диалоговая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров, разработанная jcmei. Это дообученная версия jcmei/SELM-Llama-3-8B-Instruct-iter-1, обученная на обновлённом и исходном наборах данных. Модель предназначена для генерации текста и ответов в формате ассистента; поддерживает контекст до 8192 токенов и представлена в формате Safetensors. Модель можно применять для диалоговых интерфейсов, черновиков текстов и ответов на текстовые запросы. Карточка не описывает результаты оценки качества, специальные предметные области или подтверждённый список языков. Использование регулируется лицензией Llama 3.

Seraph-7B-Mistral-7B-Instruct-v0.1 — чат-модель MaziyarPanahi, созданная слиянием Mistral-7B-Instruct-v0.1 и Weyaxi/Seraph-7B методом SLERP. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и принимает текстовые инструкции и диалоговые запросы для генерации ответов. Модель предназначена для диалоговых приложений и генерации текста по инструкциям. Нативный контекст составляет 32 768 токенов; файлы опубликованы в формате safetensors. Лицензия — Apache-2.0. Данных о языковой специализации и ограничениях качества в карточке нет.

Модель создана ByteDance как объединение нескольких контрольных точек предварительно обученной языковой модели с помощью mergekit и линейного метода слияния. В качестве базовой точки слияния использована контрольная точка global_step10000; также объединены версии с шагами обучения 6000, 7000, 8000 и 9000. Это плотная авторегрессионная модель семейства GPT-NeoX с 8,8 млрд параметров и контекстом до 16 384 токенов. Она предназначена для генерации текста в диалоговом режиме. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Языки и специальные прикладные области в карточке не указаны; лицензия также не приведена.