III.4Клиентская поддержка и customer success

0.0dataupiter1 — дообученная модель семейства Mistral, созданная на основе HuggingFaceH4/mistral-7b-sft-beta. Она содержит 7,1 млрд параметров и предназначена для генерации текста и общения в формате диалога; среди подходящих сценариев — ответы на вопросы и ведение текстового диалога. Модель обучалась на датасете HuggingFaceH4/ultrafeedback_binarized, а её контекстное окно составляет 32 768 токенов. Модель использует плотную архитектуру MistralForCausalLM и опубликована в формате safetensors. Репозиторий распространяется по лицензии MIT. Карточка не содержит сведений о специализированной области применения или конкретных ограничениях качества.

CuriousCat29/3-double-120-v3 — объединённая языковая модель, созданная с помощью mergekit методом Passthrough на основе Doctor-Shotgun/L3.3-70B-Magnum-v4-SE и TheDrummer/Anubis-70B-v1. Модель семейства Llama с плотной архитектурой для генерации текста и диалогов; в метаданных заявлены 120,8 млрд параметров и контекст до 131 072 токенов. Модель подходит для бесед и сценариев, где требуется генерировать связные ответы на текстовые запросы. Базовое описание одной из исходных моделей указывает на творческое письмо, естественные беседы и ролевые сценарии. Репозиторий содержит веса Safetensors и использует библиотеку Transformers; также заявлен интерфейс вызова инструментов. В карточке не приведены сведения о лицензии и отдельных оценках качества, поэтому условия распространения и пригодность для конкретных задач следует проверять по лицензиям исходных моделей и результатам собственной оценки.

Adaptive Sentiment Classifier — модель MemChainAI для классификации английских текстов по тональности на положительные, отрицательные и нейтральные. Она основана на DistilBERT и создана с помощью библиотеки adaptive-classifier; обучение проводилось на примерах из набора SetFit/tweet_sentiment_extraction с применением адаптивного и непрерывного обучения. Модель предназначена для анализа отзывов, сообщений в социальных сетях и пользовательского контента. В карточке особо отмечена обработка технических описаний, вопросов и образовательных текстов как нейтральных. Заявленная точность на тесте составляет 80%; лицензия — MIT. Модель оптимизирована для английского языка и текстов, похожих на твиты, отзывы и вопросы. Качество может снижаться на текстах длиннее 200 символов и при наличии специализированной терминологии; результаты обучения могут отражать смещения исходных данных. Не следует использовать её как единственное основание для важных решений.

Lucid-gunner/adullama3.1-v2 — языковая модель для генерации текста и диалогового общения, разработанная lucid-gunner путём дообучения unsloth/Meta-Llama-3.1-8B-bnb-4bit. Модель относится к плотной архитектуре Llama и содержит 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель подходит для диалоговых сценариев и генерации текста на английском языке. Она распространяется по лицензии Apache-2.0. README не сообщает о специализированной области применения или оценках качества модели.

ALAN — объединённая языковая модель на основе Microsoft Phi-4 и huihui-ai/phi-4-abliterated, созданная автором репозитория с помощью mergekit методом SLERP. Модель использует архитектуру Phi-3 для причинной генерации текста, содержит 14,1 млрд параметров и поддерживает контекст длиной до 16 384 токенов. Модель предназначена для генерации текста и диалогового общения. Сведения о лицензии в предоставленных данных отсутствуют.

All_like128-zephyr-7b-sft-full — диалоговая языковая модель, созданная дообучением alignment-handbook/zephyr-7b-sft-full на датасете HuggingFaceH4/ultrafeedback_binarized. Она предназначена для генерации текста и ответов в чате. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текстовые запросы и выдаёт текстовые ответы. В карточке не приведены сведения о поддерживаемых естественных языках и результаты оценки качества. Распространяется в формате Safetensors по лицензии Apache-2.0.

Amadeus-Verbo-FI-Qwen2.5-14B-PT-BR-Instruct — языковая модель на архитектуре Qwen2, разработанная Amadeus AI. Это дообученная на 600 тысячах инструкций за два прохода версия Qwen/Qwen2.5-14B-Instruct, предназначенная для диалогов и генерации текста на бразильском португальском языке. Модель содержит 14,7 млрд параметров и использует архитектуру Transformer с RoPE, SwiGLU, RMSNorm и групповым запросным вниманием. Для работы указан контекст длиной 32 768 токенов в метаданных; в README заявлена длина 131 072 токена. Поддерживаются диалоговый режим и интерфейс вызова инструментов. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0.

Amadeus-Verbo-FI-Qwen2.5-7B-PT-BR-Instruct — языковая модель для бразильского португальского, созданная Amadeus AI дообучением Qwen/Qwen2.5-7B-Instruct на 600 тысячах инструкций в течение двух эпох. Это плотная Transformer-модель семейства Qwen2 с причинной генерацией текста; в метаданных указано 7,1 млрд параметров и контекст 32 768 токенов. README приводит другие значения: 7,61 млрд параметров и контекст 131 072 токена. Модель предназначена для диалогов и генерации ответов на инструкции на бразильском португальском. Метаданные также отмечают интерфейс для вызова инструментов. Для загрузки README рекомендует библиотеку Hugging Face Transformers. Модель распространяется под лицензией Apache-2.0.

aqua-smaug-hermes-8B — объединённая модель на архитектуре Llama, созданная с помощью Mergekit из cognitivecomputations/dolphin-2.9-llama3-8b, NousResearch/Hermes-2-Pro-Llama-3-8B и abacusai/Llama-3-Smaug-8B. Разработчик — saucam. Модель предназначена для генерации текста и диалогового взаимодействия; её можно применять для ответов на вопросы, написания текстов и ведения беседы. Веса представлены в формате safetensors, размер модели — 7,5 млрд параметров, длина контекста — 8192 токена. Модель использует плотную архитектуру LlamaForCausalLM и распространяется по лицензии Apache-2.0. README не приводит результаты оценки качества или подробные инструкции по применению, поэтому пригодность для конкретных задач стоит проверять на собственных данных.

arco-augment-3 — языковая модель, созданная слиянием appvoid/arco и appvoid/arco-2 с помощью mergekit. Используется архитектура LlamaForCausalLM с плотной сетью; размер модели составляет 620,1 млн параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогов на основе текстового ввода. Слияние выполнено методом passthrough: в итоговую модель включены слои из обеих исходных моделей. В репозитории веса представлены в формате safetensors. Лицензия в предоставленных данных не указана.

win10/ArliAI-RPMax-v1.3-merge-8B — диалоговая языковая модель, созданная автором репозитория слиянием предварительно обученных моделей с помощью mergekit и метода TIES. В качестве базовой указана Magpie-Align/MagpieLM-8B-Chat-v0.1; в слияние также включена ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров. Она предназначена для генерации текста в диалоговом формате; поддерживает контекст до 131 072 токенов. Для загрузки используется Transformers, веса опубликованы в формате safetensors. Карточка базовой модели указывает на диалоговое выполнение инструкций и генерацию ответов на английском языке. Модель подойдёт для чат-ботов и генерации ответов на запросы. Карточка не описывает лицензию, дополнительные гарантии качества или специфические ограничения, поэтому условия использования следует сверить с лицензиями исходных моделей и полной карточкой репозитория.

NalDice askvox-1.2 — диалоговая языковая модель, разработанная NalDice на основе meta-llama/Llama-3.1-8B-Instruct. Модель дообучена методом SFT и предназначена для генерации текста и ведения диалогов. Она использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст. Заявленная длина контекста — 131 072 токена; карточка указывает английский язык. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Данных о специализированной области применения или ограничениях качества в карточке нет.

Карточка модели NalDice/askvox-1.3 на Hugging Face совпадает с карточкой NalDice/askvox-1.2, поэтому описание составлено по ней. NalDice askvox-1.2 — диалоговая языковая модель, разработанная NalDice на основе meta-llama/Llama-3.1-8B-Instruct. Модель дообучена методом SFT и предназначена для генерации текста и ведения диалогов. Она использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст. Заявленная длина контекста — 131 072 токена; карточка указывает английский язык. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Данных о специализированной области применения или ограничениях качества в карточке нет.

Карточка модели NalDice/askvox-1.4 на Hugging Face совпадает с карточкой NalDice/askvox-1.2, поэтому описание составлено по ней. NalDice askvox-1.2 — диалоговая языковая модель, разработанная NalDice на основе meta-llama/Llama-3.1-8B-Instruct. Модель дообучена методом SFT и предназначена для генерации текста и ведения диалогов. Она использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст. Заявленная длина контекста — 131 072 токена; карточка указывает английский язык. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Данных о специализированной области применения или ограничениях качества в карточке нет.

Auro-Kosmos-EVAA-v2.2-8B — объединённая разговорная языковая модель от jaspionjader, созданная с помощью mergekit методом SLERP из jaspionjader/Auro-Kosmos-EVAA-v2.1-8B и jaspionjader/Kosmos-Elusive-VENN-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст, работает через библиотеку Transformers, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Сведения о специализированных предметных областях и языковой специализации в предоставленных данных отсутствуют. Лицензия в данных не указана.

Auro-Kosmos-EVAA-v2.3-8B — объединённая языковая модель, созданная jaspionjader с помощью mergekit. Веса двух моделей объединены методом SLERP: jaspionjader/Auro-Kosmos-EVAA-v2.2-8B и jaspionjader/Kosmos-Elusive-VENN-8B. Модель относится к семейству Llama, имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Для загрузки доступны веса в формате safetensors через Transformers. Лицензия в предоставленных данных не указана.

bahcecrumles-3b-slerp — диалоговая языковая модель, созданная liminerity слиянием методом SLERP через mergekit моделей indischepartij/MiniCPM-3B-OpenHermes-2.5-v2 и liminerity/baccules-3b-slerp. Модель семейства Llama имеет плотную архитектуру LlamaForCausalLM и около 2,7 млрд параметров; она предназначена для генерации текста в диалоговом формате и принимает текстовый контекст длиной до 2048 токенов. Модель подходит для диалоговых помощников и генерации ответов на текстовые запросы. Карточка не описывает специализированную область применения или поддерживаемые языки. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Baize-v2-13B — чат-модель проекта Baize, дообученная методом supervised fine-tuning и self-distillation with feedback на основе LLaMA. В репозитории представлены объединённые с базовой LLaMA веса в формате PyTorch; модель содержит 12,9 млрд параметров и рассчитана на контекст до 2048 токенов. Модель предназначена для диалогов и генерации ответов на текстовые запросы. Для работы с чекпойнтом необходимо размечать сообщения маркерами [|Human|] и [|AI|]; авторы также рекомендуют использовать их demo или FastChat. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Barcenas-10.7b — модель генерации текста, разработанная Danielbrdz и дообученная на базе NousResearch/Nous-Hermes-2-SOLAR-10.7B. Это плотная авторегрессионная модель семейства Llama с 10,6 млрд параметров, контекстом до 4096 токенов и форматом весов safetensors. Карточка описывает её как разговорную модель для следования инструкциям и создания связных ответов. Модель подходит для диалогов, суммаризации, творческого письма и других задач генерации текста на английском и испанском языках. Для дообучения использован набор HuggingFaceH4/no_robots, содержащий 10 000 инструкций и демонстраций, подготовленных людьми. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов сравнительных оценок качества, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

BerryBase — языковая модель на 7,1 млрд параметров, созданная автором репозитория путём слияния maywell/Qwen2-7B-Multilingual-RP и Weyaxi/Einstein-v7-Qwen2-7B с помощью LazyMergekit и метода SLERP. Она основана на архитектуре Qwen2 и предназначена для генерации текста в диалоговом формате, включая ответы на вопросы. Указанный родительский чекпойнт — maywell/Qwen2-7B-Multilingual-RP; конфигурация слияния также включает слои второй модели. Модель принимает текст и генерирует текст. Нативная длина контекста составляет 32 768 токенов; веса опубликованы в формате Safetensors и имеют тип bfloat16. Языковая основа — мультиязычная модель Qwen2, однако конкретный перечень поддерживаемых языков для BerryBase в карточке не приведён. Карточка не содержит оценок качества или подробных ограничений применения. Лицензия в предоставленных данных не указана, поэтому условия использования следует проверить на странице репозитория и у базовых моделей.

stinoco/beto-sentiment-analysis-finetuned — дообученная модель классификации текста на базе finiteautomata/beto-sentiment-analysis. Она предназначена для анализа тональности текста. Модель построена на архитектуре BERT и содержит 137,1 млн параметров; максимальный контекст составляет 512 токенов. На оценочном наборе данных модель показала accuracy 0,7757 и F1 0,7773. Язык, состав обучающих данных, набор классов тональности и лицензия в доступных сведениях не описаны.

Модель ignacio-ave/beto-sentiment-analysis-spanish — модель классификации тональности испаноязычных текстов, дообученная на BETO, испанской версии BERT. Она относит текст к одной из трёх категорий: отрицательной, нейтральной или положительной. Модель реализована как BertForSequenceClassification, содержит 137,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате PyTorch через библиотеку Transformers. Модель предназначена для анализа отзывов, публикаций и других коротких текстов на испанском языке, например для оценки общего настроения сообщений или сортировки отзывов по тональности. В README приведена точность 67,59% для трёх классов; F1 составляет 0,68 для отрицательного, 0,58 для нейтрального и 0,76 для положительного класса. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Blackbird-Llama-3-8B — плотная авторегрессионная языковая модель семейства Llama 3, созданная bunnycore объединением нескольких моделей через mergekit. В состав объединения входят cognitivecomputations/dolphin-2.9-llama3-8b, NousResearch/Hermes-2-Theta-Llama-3-8B и abacusai/Llama-3-Smaug-8B; в конфигурации bunnycore/Maverick-8B указан как базовая модель. Репозиторий содержит веса в формате safetensors, модель насчитывает 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев: она принимает текстовые запросы и выдаёт текстовые ответы. Для использования заявлена лицензия Llama 2. Карточка не приводит оценок качества или конкретных ограничений, поэтому пригодность для специализированных задач следует проверять отдельно.

blossom-v3-mistral-7b-Mistral-7B-Instruct-v0.1 — чат-модель для генерации текста, созданная путём слияния Mistral-7B-Instruct-v0.1 и Azure99/blossom-v3-mistral-7b методом SLERP. Она рассчитана на ответы на инструкции и диалоговые запросы; в метаданных также указаны наборы данных для чата, математики и следования инструкциям. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Поддерживаемые по карточке языки — китайский и английский. Модель принимает текст и генерирует текст. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных ограничений применения, поэтому пригодность для конкретных задач стоит проверять на собственных примерах.

BLOSSOM-v4-baichuan2-7b — диалоговая языковая модель, созданная на основе Baichuan2-7B-Base и дообученная разработчиками BLOSSOM на смешанных наборах инструкций Orca, Wizard, Chat и Math. Обучение проходило в два этапа: сначала на одноходовых инструкциях, включая математические, затем на многоходовых диалогах с небольшой долей данных первого этапа. Модель предназначена для генерации ответов в формате диалога, понимания контекста беседы и выполнения общих инструкций на китайском и английском языках. Это плотная трансформерная модель Baichuan с 7 млрд параметров и контекстом до 4096 токенов. Лицензия — Apache-2.0. Модель поддерживает общие диалоговые задачи и инструкции, в том числе задачи из математических данных обучения. Качество и точность ответов могут различаться в зависимости от запроса; численные оценки качества в карточке не приведены. Для корректной работы следует использовать указанный в карточке шаблон диалога.

iSshobhit разработал чат-модель на базе Qwen3-4B для первичной сортировки споров клиентов BNPL-сервисов. Она принимает жалобу вместе с записью о транзакции и формирует структурированный JSON с типом спора, серьёзностью, применимой политикой, рекомендацией и операционными флагами. Модель рассчитана на обработку случаев, связанных с двойными списаниями, неполученными товарами, задержкой возвратов, неверными суммами и несанкционированными операциями, в том числе в контексте рынков стран GCC. Модель дообучена в три этапа: адаптация к предметной области, инструкционное обучение и оптимизация предпочтений; применялись QLoRA и 4-битная квантизация. Обучение велось на английском языке, с ChatML-шаблоном и максимальной длиной последовательности 1024 токена. Лицензия — Apache-2.0. Это инструмент поддержки решений: он рекомендует маршрут обработки, но не выполняет финансовые действия. По README, данные политики синтетические, а оценочный набор мал; поэтому выводы требуют проверки оператором, особенно для мошенничества и случаев, требующих расследования.

Brezn3 — объединённая чат-модель на архитектуре Mistral, созданная Johann Hartmann с помощью mergekit и метода DARE TIES. В качестве базовой модели использована LeoLM/leo-mistral-hessianai-7b-chat; в объединение также вошли WestSeverus-7B-DPO-v2, Wiedervereinigung-7b-dpo-laser и openchat-3.5-0106-laser. Модель предназначена для генерации текста и диалогов. Она содержит 7,1 млрд параметров, принимает текст и имеет контекстное окно 32 768 токенов. По описанию базовой модели, модель рассчитана прежде всего на немецкий и английский языки. В карточке указаны форматы Transformers и safetensors. Лицензия и отдельные сведения о качестве в предоставленных данных не приведены. Как и другие объединённые языковые модели, Brezn3 может генерировать неточные или вымышленные ответы; качество конкретных задач следует оценивать на собственных примерах.

bruphin-kappa — слитая автором nbeerbower языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана методом SLERP с помощью mergekit из моделей nbeerbower/bruphin-iota и nbeerbower/bruphin-epsilon; в конфигурации указана точность bfloat16. Модель предназначена для генерации текста и диалогового общения по текстовому запросу, а контекстное окно составляет 32 768 токенов. Модель подходит для диалоговых интерфейсов, черновиков текстов и генерации продолжений. Карточка не описывает специальные предметные области или языки. Модель распространяется по лицензии Apache-2.0.

Calme 2.3 Llama 3 70B — диалоговая языковая модель, созданная Maziyar Panahi методом DPO дообучения Meta-Llama-3-70B-Instruct. Она предназначена для генерации текста и ответов в формате чата; карточка приводит результаты оценки на Open LLM Leaderboard. Модель содержит 69,5 млрд параметров, построена на плотной архитектуре Llama и использует библиотеку Transformers. Для общения применяется шаблон ChatML; длина контекста составляет 8192 токена, основной язык — английский. Модель распространяется в формате safetensors по лицензии Llama 3. Для запуска требуется значительный объём вычислительных ресурсов, соответствующий модели такого размера.

Captain-Eris_Twighlight-Magnum-12B — объединённая разговорная языковая модель на основе архитектуры Mistral, созданная с помощью mergekit методом SLERP из anthracite-org/magnum-v4-12b и Nitral-archive/Captain_Eris-Twighlight-12B. Модель содержит 12,1 млрд параметров, рассчитана на генерацию текста и диалоговых ответов; в метаданных также заявлен интерфейс для вызова инструментов. Репозиторий содержит веса в формате safetensors, а карточка указывает контекст до 1 024 000 токенов. Модель предназначена для чат-сценариев и генерации прозы. Метаданные связывают одну из базовых моделей с ответами в стиле Claude 3, но отдельные языки и специальные прикладные области для этой модели не заявлены. Лицензия в предоставленных данных не указана.