III.4Клиентская поддержка и customer success

symanto/mpnet-base-snli-mnli — англоязычная модель классификации текста на основе MPNet с механизмом cross-attention. Её разработчики дообучили mpnet-base на наборах SNLI и MNLI для классификации без примеров и с небольшим числом примеров. Модель подходит для отнесения текста к заданным категориям, когда размеченных обучающих данных мало или нет. В метаданных указаны 136,7 млн параметров и контекст до 514 токенов; доступны веса PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

MPT-1b-RedPajama-200b-dolly — языковая модель MosaicML для генерации текста и выполнения инструкций. Это плотный decoder-only трансформер MosaicGPT примерно на 1,3 млрд параметров: 24 слоя, 16 голов внимания и ширина 2048. Предварительное обучение проводилось на 200 млрд токенов RedPajama, а затем модель дообучили на наборе инструкций Databricks Dolly 15k. В архитектуре используются ALiBi и QK LayerNorm; позиционные эмбеддинги и смещения в слоях не применяются. Модель подходит для ответов на инструкции и вопросы, написания текстов и других задач генерации текста. Она принимает текст и генерирует текст; контекст обучения составлял 2048 токенов. Карточка требует загрузки с trust_remote_code=True, поскольку архитектура MosaicGPT не входит в стандартный пакет Transformers. Доступна по лицензии CC BY-SA 3.0.

liminerity/m.star.7b — дообученная liminerity модель семейства Mistral для генерации текста. Разработчик — liminerity; обучение выполнялось с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает текст, выдавая текст. Длина контекста — до 32 768 токенов; в метаданных указан английский язык. Модель подходит для генерации текста и диалоговых сценариев на английском языке. Распространяется по лицензии Apache-2.0. Карточка не описывает специализированные возможности или ограничения качества, поэтому их нельзя оценить по имеющимся сведениям.

zelk12/MT1-Gen3-BG-gemma-2-9B — это объединённая модель для генерации текста и диалогов, созданная с помощью mergekit из двух предварительно обученных моделей Gemma 2. Объединение выполнено методом SLERP; среди исходных моделей указаны zelk12/MT1-Gen3-BB-gemma-2-MTg2S2-9B и zelk12/MT-Gen2-GI-gemma-2-9B. Модель построена на плотной архитектуре Gemma2ForCausalLM, содержит 9 млрд параметров, рассчитана на контекст до 8192 токенов и распространяется в формате safetensors. Подходит для диалогового взаимодействия и генерации текста. Карточка не сообщает о специализированной предметной области или конкретном наборе языков. Лицензия в доступных данных не указана.

zelk12/MT1-Gen5-MA-gemma-2-S2S4-9B — языковая модель на архитектуре Gemma 2, созданная слиянием предварительно обученных моделей allknowingroger/Gemmaslerp2-9B и allknowingroger/Gemmaslerp4-10B. Для слияния применён метод SLERP с mergekit; карточка указывает параметр t=0,25 и формат bfloat16. Модель содержит 9 млрд параметров, работает с контекстом до 8192 токенов и предназначена для генерации текста в диалоговом режиме. Модель может использоваться для ведения текстовых диалогов и генерации ответов на запросы. Данные не дают оснований выделить специализацию по предметной области или конкретный набор языков. Репозиторий распространяет веса в формате safetensors; сведения о лицензии в предоставленных источниках отсутствуют.

zelk12/MT1-IM-gemma-2-9B — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная методом SLERP с помощью mergekit из двух моделей: zelk12/MT1-MA-gemma-2-RAt0.25v0.1RPMHv0.1-9B и zelk12/MT1-IF-gemma-2-RAt0.25v0.1GD-9B. Модель содержит 9 млрд параметров, распространяется в формате Safetensors и рассчитана на генерацию текста и диалоговые сценарии с контекстом до 8192 токенов. Её можно использовать для ответов на запросы, ведения диалога и генерации текста. В карточке не приведены сведения о специализации по языкам или прикладным областям, поэтому область применения следует считать общей. Лицензия в предоставленных данных не указана.

zelk12 объединил методом SLERP две предварительно обученные языковые модели на базе Gemma 2 и опубликовал результат с помощью mergekit. Это плотная авторегрессионная модель с 9 млрд параметров для диалогов и генерации текста по запросу; репозиторий содержит веса Safetensors, а контекстное окно составляет 8192 токена. Модель предназначена для чат-сценариев и генерации ответов на текстовые запросы. README описывает способ объединения и исходные модели, но не указывает отдельную специализацию или языковой охват. Лицензия в предоставленных данных не указана.

zelk12/MT2-Gen4-gemma-2-9B — языковая модель для генерации текста и диалогового общения, созданная объединением двух предварительно обученных моделей с помощью mergekit и метода SLERP: zelk12/MT2-Gen4-IMU-gemma-2-9B и zelk12/MT2-Gen4-MAGBMM-gemma-2-9B. В конфигурации указана первая модель как базовая, а коэффициент смешивания — 0,25. Модель основана на плотной архитектуре Gemma 2 с 9 млрд параметров, рассчитана на контекст до 8192 токенов и распространяется в формате safetensors. Подходит для генерации ответов и ведения диалогов. В README приведены результаты отдельных тестов Open LLM Leaderboard, включая IFEval и BBH. Для использования требуется соблюдать лицензию Gemma. Карточка не описывает целевые языки и специализированные области применения, поэтому модель следует рассматривать как языковую модель общего назначения.

zelk12/MT2-Max-Merge_02012025163610-BB-gemma-2-MT5g4MTM5-9B — объединённая модель генерации текста на базе Gemma 2, созданная методом SLERP с помощью mergekit из zelk12/MT5-Gen4-gemma-2-9B и zelk12/MT-Merge5-gemma-2-9B. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и представлена в формате safetensors для библиотеки Transformers. Модель предназначена для диалоговой генерации текста. Контекст составляет до 8192 токенов. Сведения о поддерживаемых естественных языках, специальных предметных областях и сравнительном качестве в карточке не приведены. Лицензия в предоставленных данных не указана.

zelk12 выпустил эту объединённую диалоговую модель на базе Gemma 2. Она создана методом SLERP с помощью mergekit из recoilme/recoilme-gemma-2-9B-v0.4 и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста и общения в чате. Она принимает текст, выдаёт текст и поддерживает контекст длиной до 8192 токенов. В карточке нет сведений о целевых языках и специализированных предметных областях. Лицензия в предоставленных данных не указана.

zelk12/MT2-MU-gemma-2-Rv0.4Rv0.2-9B — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Разработчик объединил recoilme/recoilme-gemma-2-9B-v0.4 и recoilme/recoilme-gemma-2-9B-v0.2 методом SLERP с помощью mergekit. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и формирует текстовые ответы; заявленный родной контекст составляет 8192 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о специализированных областях применения и лицензии в доступных данных отсутствуют; качество и поведение могут отличаться от исходных моделей после слияния.

zelk12/MT3-Gen4-GB-gemma-2-9B — слитая методом SLERP модель на основе двух предварительно обученных языковых моделей Gemma 2. Разработчик объединил zelk12/MT3-Gen4-GP-gemma-2-MT5g3MT2g2-9B и zelk12/MT3-Gen4-BB-gemma-2-MT2g2MT5g3-9B с помощью mergekit; размер модели — 9 млрд параметров, архитектура — плотная Gemma2ForCausalLM, формат весов — safetensors. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и работает через Transformers. Сведения о поддерживаемых естественных языках и специализации по предметным областям в источниках не приведены. Модель распространяется под лицензией, указанной в метаданных Hugging Face; условия лицензии здесь не раскрыты. Качество слияния и конкретные ограничения модели в карточке не описаны.

zelk12/MT3-Gen5-BMU-gemma-2-9B_v1 — языковая модель для диалогов и генерации текста, созданная слиянием двух предварительно обученных моделей с помощью SLERP и mergekit. В основе лежат zelk12/MT3-Gen5-MU-gemma-2-Av4dG-9B_v1 и zelk12/MT3-Gen5-BB-gemma-2-RAv0.1MT2-9B_v1. Модель использует плотную архитектуру Gemma 2 с 9 млрд параметров и работает с контекстом до 8192 токенов. Она предназначена для текстовых запросов и выдаёт текст; метаданные отмечают поддержку диалогового режима. Репозиторий содержит веса в формате safetensors и предназначен для Transformers. Карточка не описывает специальные прикладные области, поддерживаемые языки или отдельные ограничения качества. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen5-GP-gemma-2-RAv0.1E-9B_v1 — объединённая автором модель для генерации текста и диалогов на архитектуре Gemma 2. Она создана методом SLERP в mergekit из zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1 и Aashraf995/Gemma-Evo-10B; базовая точка слияния — recoilme-gemma-2-Ataraxy-9B-v0.1. Модель содержит 9 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и опубликована в формате safetensors для библиотеки Transformers. Модель подходит для генерации продолжений и ответов в диалоговом режиме. Сведений о специализации по предметной области или конкретных языках в карточке нет. Лицензия в предоставленных данных не обозначена, поэтому условия использования следует проверить на странице репозитория Hugging Face.

zelk12/MT3-Gen5-IF-gemma-2-Av4dMT2-9B — слитая модель семейства Gemma 2, созданная с помощью mergekit методом SLERP из lemon07r/Gemma-2-Ataraxy-v4d-9B и zelk12/MT2-gemma-2-9B. Это плотная авторегрессионная языковая модель на 9 млрд параметров для генерации текста и диалогов; её можно использовать для создания продолжений, ответов и творческих текстов. Модель рассчитана на контекст до 8192 токенов и работает через библиотеку Transformers. В метаданных заявлена возможность чата. Репозиторий содержит веса в формате safetensors; README указывает исходную точность bfloat16. Языки модели не определены в предоставленных данных. Лицензия в метаданных и README не указана.

zelk12/MT-Gen4-BMM-gemma-2-9B — языковая модель, созданная объединением двух предварительно обученных моделей Gemma 2 методом SLERP с помощью mergekit. Репозиторий содержит вариант в формате safetensors для использования с библиотекой Transformers; размер модели — 9 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогового использования. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.

Карточка модели zelk12/MT-Max-Merge_02012025163610-BB-gemma-2-MT5g4MTM5-9B на Hugging Face совпадает с карточкой zelk12/MT2-Max-Merge_02012025163610-BB-gemma-2-MT5g4MTM5-9B, поэтому описание составлено по ней. zelk12/MT2-Max-Merge_02012025163610-BB-gemma-2-MT5g4MTM5-9B — объединённая модель генерации текста на базе Gemma 2, созданная методом SLERP с помощью mergekit из zelk12/MT5-Gen4-gemma-2-9B и zelk12/MT-Merge5-gemma-2-9B. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и представлена в формате safetensors для библиотеки Transformers. Модель предназначена для диалоговой генерации текста. Контекст составляет до 8192 токенов. Сведения о поддерживаемых естественных языках, специальных предметных областях и сравнительном качестве в карточке не приведены. Лицензия в предоставленных данных не указана.

zelk12 создал MT-Merge2-MU-gemma-2-MTg2MT1g2-9B — объединённую методом SLERP языковую модель на архитектуре Gemma 2 с 9 млрд параметров. Она предназначена для генерации текста и диалогового общения; доступна в формате Safetensors и рассчитана на контекст до 8192 токенов. Модель объединяет zelk12/MT1-Gen2-gemma-2-9B и zelk12/MT-Gen2-gemma-2-9B с помощью mergekit. В README приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Сведения о лицензии и поддерживаемых естественных языках в предоставленных данных отсутствуют.

zelk12 создал разговорную языковую модель MTM-Merge-GMA-gemma-2-9B слиянием двух предварительно обученных моделей Gemma 2 с помощью метода SLERP и инструментария mergekit. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и предназначена для генерации текста в диалоговом формате; заявленная длина контекста — 8192 токена. Модель подходит для ведения диалогов и генерации ответов на текстовые запросы. В репозитории указаны веса в формате safetensors и библиотека Transformers. Сведений о специализации на конкретной области или поддерживаемых языках в доступных данных нет. Условия использования определяются лицензией Gemma 2; в предоставленных данных конкретная лицензия не приведена.

Многоязычная модель Tabularis для многометочной классификации эмоций в тексте. Она дообучена на FacebookAI/xlm-roberta-base и присваивает тексту ноль, одну или несколько из 11 меток: гнев, презрение, отвращение, страх, фрустрация, благодарность, радость, любовь, нейтральность, грусть и удивление. Для каждой метки применяется отдельный порог 0,5. Модель предназначена для анализа эмоций в публикациях соцсетей, отзывах и сообщениях клиентов, мониторинга бренда и отслеживания эмоциональной окраски диалогов. Заявлена поддержка 23 языков. В README приведены результаты на отложенном мультиязычном наборе из 11 500 примеров: micro-F1 0,840, macro-F1 0,839 и sample Jaccard 0,794. Обучающие данные синтетические, поэтому показатели на тестовом наборе не гарантируют качество на реальных текстах и разных культурных контекстах. Предсказания следует считать вероятностными сигналами, а не достоверным определением внутреннего состояния человека; перед применением в значимых сценариях нужна проверка на целевых данных. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства и запрещает коммерческое использование.

MythoMist-7b-Mistral-7B-Instruct-v0.1 — объединённая чат-модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана методом SLERP-слияния mistralai/Mistral-7B-Instruct-v0.1 и Gryphe/MythoMist-7b; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Она поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский язык. Лицензия — Apache-2.0. Качество ответов зависит от формулировки запроса и может быть непоследовательным; как и другие языковые модели, она может генерировать фактически неверную информацию. Она не предназначена для обработки изображений, аудио или видео.

NeuralDaredevil-8B-abliterated-x2 — объединённая модель для диалоговой генерации текста, созданная с помощью LazyMergekit на основе mlabonne/NeuralDaredevil-8B-abliterated. Она использует плотную архитектуру Llama с 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель принимает текст и генерирует текст; метаданные также отмечают поддержку чата. Веса получены слиянием двух копий одной базовой модели методом dare_ties с параметрами density 0,53 и weight 0,6, маской int8 и типом данных bfloat16. Базовая модель описана как дообученная DPO Llama 3 для диалогов и ролевых сценариев с меньшими поведенческими ограничениями. Репозиторий содержит веса safetensors. Лицензия в предоставленных данных не указана.

NeuralPearlBeagle — слитая модель генерации текста на архитектуре Mistral, созданная с помощью LazyMergekit из louisbrulenaudet/Pearl-7B-slerp и mlabonne/NeuralBeagle14-7B. Веса объединены методом TIES; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для составления ответов, продолжения текста и ведения беседы; базовая модель также описана в каталоге как подходящая для математических задач. Данных о поддерживаемых естественных языках нет. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

NeuralPipe-7B-slerp-DPO — языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная Samee-ur методом Direct Preference Optimization на наборе Intel/orca_dpo_pairs. Это версия модели Samee-ur/NeuralPipe-7B-slerp, настроенная на генерацию текста по предпочтениям. Она предназначена для текстовых запросов и ответов; поддерживает английский язык и контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0.

NeuralsynthesisMyriad-7B — автоматически объединённая языковая модель, созданная Maxime Labonne с помощью mergekit. В конфигурации объединены Kukedlc/NeuralSynthesis-7B-v0.3 и Muhammad2003/Myriad-7B-Slerp методом dare_ties; для второго источника заданы плотность 0,53 и вес 0,6. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и принимает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors, указанная лицензия — CC BY-NC 4.0, предусматривающая ограничения на коммерческое использование.

NeuraRP-7B-slerp — диалоговая текстовая модель, созданная stevez80 слиянием NeuralHermes-2.5-Mistral-7B и BuRP_7B методом SLERP. Она предназначена для генерации текста в диалогах и ответов на запросы пользователя. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Слияние использует разные веса для слоёв внимания и MLP, а результат задан в формате bfloat16. Метаданные отмечают поддержку чата, но карточка не приводит оценки качества или перечень языков, поэтому их нельзя определить по имеющимся сведениям.

Neuronovo-9B-v0.4 — языковая модель Jan Kocoń для генерации текста и диалоговых ответов. Она основана на архитектуре Mistral и содержит 8,9 млрд параметров; модель распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. При обучении использованы наборы Intel/orca_dpo_pairs и mlabonne/chatml_dpo_pairs, предназначенные для настройки диалогового поведения. Версия v0.4 также использует токенизатор Neuronovo-9B-v0.2 и обучалась одну эпоху с низкой скоростью обучения. Модель подходит для интерактивных сценариев и генерации ответов на текстовые запросы. В метаданных указан английский язык. Модель выпущена под лицензией Apache-2.0. README не приводит результаты оценивания, поэтому качество на конкретных задачах и устойчивость ответов по этим данным оценить нельзя.

NightWing3-10B-v0.1 — разговорная языковая модель, созданная Nitral-Archive путём слияния двух моделей семейства Llama. Она предназначена для генерации текста в диалогах и принимает сообщения в формате ChatML. Модель содержит 9,9 млрд параметров, поддерживает контекст длиной до 32 768 токенов и работает через библиотеку Transformers. Модель подходит для ведения диалога и генерации ответов на текстовые запросы на английском языке. Репозиторий содержит веса в формате safetensors. Лицензия обозначена как other; конкретные условия использования в доступных данных не раскрыты.

Nona-Qwen2.5-v0.1 — объединённая языковая модель, созданная win10 с помощью mergekit и метода TIES. В основе объединения лежат FreedomIntelligence/Apollo2-7B и win10/Urdandi-Qwen2.5-7B. Модель построена на архитектуре Qwen2, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 131 072 токена. Модель подходит для диалоговой генерации текста и задач, поддерживаемых её объединёнными компонентами. В метаданных указан тег text-generation и возможность чата. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии и конкретных ограничениях качества в предоставленных источниках отсутствуют.

Noro-Hermes-3x7B — диалоговая модель с архитектурой смеси экспертов (MoE), собранная ThomasComics с помощью LazyMergekit из NousResearch/Nous-Hermes-2-Mistral-7B-DPO, NeverSleep/Noromaid-7B-0.4-DPO и mistralai/Mistral-7B-Instruct-v0.2. В модели 7,1 млрд параметров, она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и предназначена для общения с пользователем. Эксперты настроены на роль интеллектуального помощника, творческого помощника для ролевых сценариев и универсального помощника. Модель подходит для диалогов, ответов на инструкции и творческого ролевого письма. Распространяется в формате Safetensors по лицензии Apache-2.0.