III.4Клиентская поддержка и customer success

Это диалоговая языковая модель объёмом 6,7 млрд параметров, созданная автором репозитория rjamorizIAtest слиянием Mistral-7B-Instruct-v0.2 и Starling-LM-7B-beta. Для объединения использован метод SLERP через mergekit; архитектура — плотная MistralForCausalLM, веса представлены в формате safetensors и работают с библиотекой Transformers. Модель предназначена для генерации текста в диалогах и ответов на запросы. Она принимает текст и поддерживает контекст до 32 768 токенов. Карточка не сообщает о специализированной предметной области или языковом составе, поэтому применимость к конкретным языкам не уточняется. Условия лицензирования в предоставленных источниках не описаны.

mergekit-community/mergekit-passthrough-kfpckkg — языковая чат-модель на архитектуре Llama, созданная сообществом с помощью mergekit из Undi95/Meta-Llama-3-8B-Instruct-hf. При слиянии методом passthrough выбраны и объединены диапазоны слоёв исходной модели; для части слоёв заданы нулевые коэффициенты для проекций o_proj и down_proj. Модель предназначена для диалогов и генерации текста по инструкциям. Модель содержит 11,6 млрд параметров, принимает текст и выдаёт текст; для общения с ней предусмотрена возможность chat. Нативный контекст — 8192 токена. Репозиторий использует Transformers и формат safetensors. В метаданных не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

Это языковая модель Qwen2, полученная сообществом mergekit-community объединением методом SLERP двух моделей: maywell/Qwen2-7B-Multilingual-RP и HumanLLMs/Human-Like-Qwen2.5-7B-Instruct. Модель предназначена для генерации текста и диалогового общения; она содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и доступна в формате safetensors для библиотеки Transformers. Модель принимает текст и генерирует текст. Её контекстное окно составляет 32 768 токенов. В состав объединения входит многоязычная RP-модель и версия Qwen2.5, настроенная на более естественные и связные разговорные ответы. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-slerp-fcxoywi на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jeyctse, поэтому описание составлено по ней. 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-fodinzo на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jeyctse, поэтому описание составлено по ней. 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.

Fischerboot/mergekit-slerp-qqnicnt — объединённая методом SLERP языковая модель семейства Llama, созданная с помощью mergekit из Fischerboot/mergekit-slerp-awrvish и Fischerboot/mergekit-slerp-miersap. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она предназначена для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors для Transformers. Модель подойдёт для диалоговых приложений и генерации продолжений текста. Сведения о поддерживаемых естественных языках и специализированных областях в карточке не приведены, поэтому их нельзя надёжно уточнить. Лицензия в предоставленных данных не указана.

mergekit-community/mergekit-slerp-zwbqvcb — объединённая методом SLERP языковая модель на 7,1 млрд параметров, созданная сообществом с помощью mergekit из huihui-ai/Qwen2.5-7B-Instruct-abliterated-v2 и maywell/Qwen2-7B-Multilingual-RP. Модель использует архитектуру Qwen2 для генерации текста и диалогов; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Модель подходит для диалоговых ответов и свободной генерации текста, сочетая инструкционную основу Qwen2.5 с мультиязычной разговорной моделью. В метаданных также указана поддержка интерфейса вызова инструментов. Состав моделей и способ слияния подтверждены README; сведений о языках, на которых результат слияния работает наиболее качественно, карточка не даёт. Лицензия в предоставленных данных не указана.

Meta-Llama-3-12B-Instruct — диалоговая языковая модель, опубликованная Mlabonne. Это объединённая с помощью LazyMergekit модель на архитектуре Llama; в метаданных указано 11 млрд параметров и контекст до 8192 токенов. Карточка перечисляет NousResearch/Meta-Llama-3-8B-Instruct как источник модели и приводит результаты сравнительных оценок на AGIEval, GPT4All, TruthfulQA и BigBench. Модель предназначена для диалогов, ответов на вопросы и генерации текста. Её можно использовать как основу для чат-ботов и текстовых помощников. Карточка не описывает отдельные специализированные области применения или поддержку языков, поэтому такие характеристики нельзя определить по имеющимся данным. Указанная лицензия — other; конкретные условия в предоставленной карточке не раскрыты.

Undi95/Meta-Llama-3.1-8B-Claude — дообученная версия Llama 3.1 8B Instruct, созданная Undi95 на примерах диалогов и инструкций, сформированных на основе ответов Claude Opus и Sonnet. По карточке, модель обучена на 9 млн токенов из перечисленных наборов данных за два прохода; она использует архитектуру Llama для генерации текста и диалогов. Подходит для чат-ответов и выполнения инструкций в формате Llama 3. В репозитории указаны веса Safetensors и контекстное окно 131 072 токена. Карточка не приводит отдельной оценки качества или подробных ограничений; результаты могут отличаться от исходных моделей Claude. Лицензия в предоставленных данных не указана.

MFANNv0.7 — диалоговая модель семейства Llama, разработанная автором netcat420 и дообученная на датасете MFANN. Это версия 0.7 модели, обученной с использованием цепочек рассуждений; она предназначена для генерации ответов в чате и классификации текста. Репозиторий создан 2 мая 2024 года и содержит веса в формате safetensors; размер модели — 7,5 млрд параметров, контекст — до 8192 токенов. Модель распространяется по лицензии Apache-2.0.

ddimri/miki_cls_v3-roberta — модель для классификации текстов, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. В карточке модели разработчик и конкретный набор классов не указаны. Модель основана на архитектуре RoBERTa и содержит около 151,8 млн параметров. Она поддерживает задачу text-classification и рассчитана на входные последовательности длиной до 514 токенов. Сведения о поддерживаемых естественных языках, модальностях, обучающих данных, результатах оценки и лицензии в доступных материалах отсутствуют. Модель может применяться для отнесения текстов к заранее определённым категориям в прикладных системах, если набор меток и соответствующая область определены при обучении модели. Для продуктивного использования необходимо проверить соответствие её меток, языка и распределения данных конкретной задаче.

MiLMMT-46-12B-v1.0 — модель Xiaomi для перевода между 46 языками. Она основана на Gemma 3 12B и дообучалась в несколько этапов: продолжительное предобучение на 143 млрд токенов монолингвальных и параллельных данных, supervised fine-tuning, обучение с подкреплением и слияние моделей. В метаданных указаны архитектура Gemma 3 с плотными весами, класс Gemma3ForConditionalGeneration, библиотека Transformers и формат safetensors. Модель предназначена для перевода текстов между поддерживаемыми языками. Список охватывает, в частности, русский, английский, китайский, японский, арабский, хинди и вьетнамский. Для перевода следует задавать языки явно в промпте. Модель доступна по лицензии Gemma. Качество перевода на языках вне списка не гарантируется.

Mini_DPO_test02-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.2 и Mini_DPO_test02 методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и ответов на инструкции в формате чата; поддерживает контекст до 32 768 токенов. Модель подходит для диалоговых помощников, ответов на вопросы и генерации текста по запросу. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В карточке не приведены сведения о специальных предметных областях или сравнительных оценках качества.

mini-magnum-12b-v1.1 — диалоговая instruct-модель на архитектуре Mistral, обученная alpindale при участии команды, указанной в карточке. Она предназначена для генерации текста в формате беседы и использует шаблон запросов Mistral с маркерами [INST] и [/INST]. Модель содержит 12,1 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 1 024 000 токенов. В метаданных перечислены английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Лицензия — Apache-2.0. Карточка описывает формат промптинга и участников обучения, но не приводит подробностей об оценке качества или конкретных специализациях. Поэтому модель уместно рассматривать как универсальную разговорную модель; качество на отдельных языках и задачах следует проверять самостоятельно.

MinLlama-3-8B-instruct-pass — разговорная языковая модель семейства Llama, созданная как слияние версий NousResearch/Meta-Llama-3-8B-Instruct с помощью LazyMergekit. Она предназначена для диалогов, ответов на вопросы и генерации текста; карточка не описывает специализированные сценарии или дополнительные возможности. Архитектура — плотная авторегрессионная LlamaForCausalLM; в метаданных указано 5,3 млрд параметров и контекст до 8192 токенов. Модель принимает текст и генерирует текст. Указана лицензия базовой модели? Лицензионные условия в предоставленных данных не приведены.

Mira 70B v0.8 — русскоязычная модель генерации текста на архитектуре LLaMA 70B v2, представленная автором как крупная русская модель. По карточке, модель обучалась методом TRINITY в течение 60 часов на Nvidia H100. Для запросов используется формат с ролями Human и Assistant и специальными разделителями. Модель предназначена для генерации ответов на русском языке в диалоговом формате и других задач создания текста. Она содержит 68,7 млрд параметров, имеет плотную архитектуру LlamaForCausalLM и нативный контекст 4096 токенов. Файлы представлены в формате PyTorch. Модель выпущена под лицензией Apache-2.0. Версия обозначена как 0.8; карточка не приводит оценок качества и подробностей обучения, поэтому пригодность для конкретных сценариев следует проверять отдельно.

sandeeparmada/mistalai_finetuned — дообученная автором sandeeparmada языковая модель семейства Mistral для генерации текста и диалогов. В основе лежит unsloth/mistral-7b-instruct-v0.3-bnb-4bit; модель имеет плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Контекстное окно составляет 32 768 токенов, формат весов — Safetensors. Модель предназначена для генерации ответов и ведения диалога на английском языке. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL; подробности о данных и специализации дообучения не приведены. Распространяется по лицензии Apache-2.0.

Mistral-7B-v0.1-capybara-orpo-en-de — дообученная модель maxidl на базе mistralai/Mistral-7B-v0.1 с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста в диалоговом формате; при дообучении использован набор maxidl/distilabel-capybara-dpo-7k-binarized_en_de. Модель поддерживает контекст до 32 768 токенов и рассчитана на английский и немецкий языки. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Mistral-7B-v0.1-Open-Platypus-Mistral-7B-Instruct-v0.1 — чат-модель MaziyarPanahi, полученная слиянием методом SLERP моделей Mistral-7B-Instruct-v0.1 и Mistral-7B-v0.1-Open-Platypus. Она предназначена для генерации ответов на инструкции и диалоговые запросы; каталог классифицирует её задачу как text-generation. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Карточка указывает формат safetensors и лицензию Apache-2.0. Язык в предоставленных данных явно не задан; возможности и качество модели за пределами описания базовой чат-модели не подтверждены.

mistral-7B-v0.1-relufication-stage-1-on-slim-orca — дообученная модель семейства Mistral, созданная на основе mistralai/Mistral-7B-v0.1. Карточка указывает Axolotl версии 0.5.2 и результат оценки Loss 0,6542; подробности об изменениях модели и обучении не приведены. Модель с плотной архитектурой MistralForCausalLM содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста в диалоговых сценариях. Указанная длина контекста — 32 768 токенов. Лицензия — Apache 2.0.

ehristoforu/mistral-distil-test-2 — текстовая генеративная модель на архитектуре Mistral, созданная с помощью mergekit методом passthrough из unsloth/Mistral-Nemo-Instruct-2407. В конфигурации указаны слои 0–16 и 18–32 исходной модели; метаданные каталога относят её к дообученным моделям. Репозиторий содержит веса в формате safetensors, число параметров — 9,2 млрд. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на запросы и ведения беседы. Для работы требуется Transformers. В метаданных указан контекст длиной до 1 024 000 токенов, однако README не описывает качество модели или проверку работы с такой длиной контекста. Лицензия в предоставленных данных не указана.

Mistral-Small-2501-SCE-Mashup-24B — объединённая текстовая модель, созданная сообществом mergekit-community методом SCE на основе unsloth/Mistral-Small-24B-Base-2501 и нескольких дообученных моделей семейства Mistral и других текстовых моделей. Она предназначена для генерации текста и диалогового общения. Модель использует плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст до 32 768 токенов. В состав слияния вошли модели ArliAI, ReadyArt, TheDrummer, arcee-ai, PocketDoc и trashpanda-org. Репозиторий содержит веса в формате safetensors и рассчитан на использование через Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Fireworks Mixtral 8x22B Instruct OH — инструктивная языковая модель, выпущенная Fireworks AI на основе Mixtral-8x22B от Mistral AI. Это разреженная архитектура MoE для генерации текста и диалогов; в метаданных указано 22 млрд параметров и контекст до 65 536 токенов. Модель дообучена на примерно 10 тысячах примеров из OpenHermes 2.5, подготовленных в шаблоне Vicuna. Модель подходит для диалогового помощника, ответов на вопросы и создания развернутых текстов, например планов поездок. Карточка показывает примеры на английском языке, а метаданные отмечают английский как язык модели. Доступны веса в формате safetensors; лицензия — Apache 2.0. Карточка не содержит количественной оценки качества, поэтому пригодность для конкретных задач следует проверять на собственных данных.

cloudyu/Mixtral-8x7B-Instruct-v0.1-DPO — диалоговая модель генерации текста на архитектуре Mixtral MoE, дообученная автором cloudyu методом Direct Preference Optimization (DPO) на основе mistralai/Mixtral-8x7B-Instruct-v0.1. По README, после 100 шагов DPO-обучения улучшились метрики Truthful DPO; также приведены результаты оценивания на задачах рассуждения и понимания текста. Модель предназначена для диалоговых ответов и генерации текста. Она принимает текст и выдаёт текст; заявленный контекст составляет 32 768 токенов, формат весов — safetensors, лицензия — Apache-2.0. Метаданные указывают поддержку английского, французского, итальянского, немецкого и испанского языков. Данных о специализированной области применения нет. README содержит ограниченные результаты бенчмарков, поэтому они не гарантируют качество на других задачах.

MixtureofMerges-MoE-4x7b-v3 — языковая модель Mixtral с архитектурой смеси экспертов (MoE), созданная jsfs11 с помощью LazyMergekit путём объединения четырёх моделей: jsfs11/RandomMergeNoNormWEIGHTED-7B-DARETIES, senseable/WestLake-7B-v2, mlabonne/OmniBeagle-7B и vanillaOVO/supermario_v3. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README приведены результаты Open LLM Leaderboard, включая среднее значение 75,31, 74,40 на AI2 Reasoning Challenge и 88,62 на HellaSwag; эти показатели описывают оценивание, а не гарантируют качество в конкретном применении. Модель распространяется под лицензией Apache-2.0. Языки и специальные прикладные области в доступных сведениях не обозначены.

Xenova/mobilebert-uncased-mnli — это версия модели typeform/mobilebert-uncased-mnli с весами в формате ONNX, подготовленная для работы с библиотекой Transformers.js. Разработчик исходной модели — Typeform; репозиторий Xenova адаптирует её для веб-сред и JavaScript-приложений. Модель предназначена для классификации текстов без дополнительного обучения по заранее заданным категориям (zero-shot classification). Она может оценивать, насколько входной текст соответствует меткам, например «positive» и «negative», что подходит для анализа тональности, тематической маршрутизации и других задач классификации с динамическим набором классов. Основная архитектура — MobileBERT; в README не указаны размер модели, максимальная длина контекста, точный набор поддерживаемых языков и модальности, поэтому предполагается работа только с текстом. Ключевое преимущество модели — возможность запуска через Transformers.js и ONNX, в том числе в веб-средах, без использования исходного формата весов. Ограничения включают зависимость от качества и формулировки заданных меток, а также отсутствие в README подробностей о точности, производительности и языковых возможностях. Лицензия в предоставленных данных не указана.

Модель kamisaiko/model_vistral_inContextLearning — дообученная авторегрессионная чат-модель семейства Mistral, созданная kamisaiko на основе Viet-Mistral/Vistral-7B-Chat. Веса представлены в формате PyTorch; размер модели — 7,1 млрд параметров, нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её обучали с использованием Unsloth и библиотеки TRL. Карточка не описывает отдельные специализированные навыки или конкретные наборы данных. Лицензия — Apache 2.0.

MoEv4Config-TIESwithRescale-7b — слитая языковая модель, созданная с помощью LazyMergekit на основе Kukedlc/NeuTrixOmniBe-7B-model-remix, PetroGPT/WestSeverus-7B-DPO и vanillaOVO/supermario_v4. Это плотная модель архитектуры Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Она поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель подходит для диалогов, составления и продолжения текстов, а также генерации ответов на запросы. README не описывает специализированные области применения или языки. Условия лицензирования в предоставленных данных не указаны.

MonarchBeagle — текстовая модель для генерации ответов и диалогов, созданная как слияние моделей с помощью LazyMergekit. В README указан участник слияния RJuro/munin-neuralbeagle-7b; конфигурация также называет mlabonne/AlphaMonarch-7B базовой моделью и использует метод dare_ties. По метаданным, архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; файлы представлены в формате safetensors. Модель предназначена для генерации текста в диалоговом режиме. В описании базовой модели отмечена ориентация на скандинавские языки, однако конкретные языки для MonarchBeagle не перечислены. Указана лицензия Apache-2.0. Доступна конфигурация слияния в bfloat16; качество и ограничения, специфичные для этой версии, в карточке не описаны.

Moxin-7B-Chat — диалоговая языковая модель команды Moxin-org на архитектуре Mistral с плотной авторегрессионной сетью. В README указано, что авторы получили чат-модель дообучением Moxin-7B-finetuned на Tulu v2. Модель содержит около 8 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в форматах GGUF, PyTorch и Safetensors. Модель предназначена для диалогов и генерации ответов на текстовые запросы. Авторы приводят результаты оценки на наборах ARC, HellaSwag, MMLU, Winogrande и PIQA; показатели относятся к указанным настройкам тестирования и не гарантируют качество в других сценариях. Лицензия — Apache 2.0. README и метаданные не уточняют поддерживаемые естественные языки и конкретные ограничения модели.