III.4Клиентская поддержка и customer success

NSK-7B-128k-slerp — разговорная текстовая модель, созданная AlekseiPravdin путём слияния моделей Nitral-AI/Nyan-Stunna-7B и Nitral-AI/Kunocchini-7b-128k-test с помощью mergekit и метода slerp. Это плотная Mistral-модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста в диалогах. Метаданные указывают нативный контекст 32 768 токенов; обозначение «128k» в названии и тегах не подтверждено этой длиной контекста. Репозиторий содержит веса Safetensors в формате bfloat16. Языки модели не установлены по предоставленным данным. Модель распространяется по лицензии Apache-2.0.

Odins-Allseeing-Eye-9B — слитая модель генерации текста на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из Delta-Vector/Odin-9B и lemon07r/Gemma-2-Ataraxy-9B. Модель содержит 9 млрд параметров, работает через Transformers и принимает текстовые запросы для диалогов и генерации текста. Модель подходит для разговорных сценариев и творческого письма. Длина контекста составляет 8192 токена. Файлы модели представлены в формате safetensors и имеют тип bf16. Лицензия в предоставленных данных не указана.

OLMo 7B April 2024 SFT — языковая модель Allen Institute for AI (AI2), созданная на базе OLMo 7B April 2024 с помощью supervised fine-tuning на смеси Tulu 2 SFT. Это плотный авторегрессионный Transformer с 6,7 млрд параметров; версия в метаданных рассчитана на контекст до 2048 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы, на английском языке. Модель доступна в формате safetensors и распространяется по лицензии Apache 2.0. Для запуска README рекомендует Transformers версии 4.40.0 или новее. В карточке также приведена оценка контекста обучения до октября 2023 года, при этом основная часть данных относится к февралю и марту 2023 года.

Карточка модели OpenBuddy/openbuddy-llama-30b-v7.1-bf16 на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-llama-65b-v8-bf16, поэтому описание составлено по ней. OpenBuddy/openbuddy-llama-65b-v8-bf16 — многоязычная чат-модель OpenBuddy на архитектуре LLaMA, основанная на LLaMA от Meta. Это плотная авторегрессионная модель с 65,1 млрд параметров, рассчитанная на генерацию текста; исходные веса представлены в формате PyTorch и точности bf16, указанной в названии репозитория. Родная длина контекста составляет 2048 токенов. Модель предназначена для диалогов и генерации ответов на нескольких языках, включая китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Её можно применять для чат-ботов и текстовых ассистентов. Карточка предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендует использовать модель в медицинских и других критически важных сценариях. Использование модели зависит от лицензии Meta LLaMA: требуется соответствовать условиям Meta и получить разрешение на доступ к исходной модели.

openbuddy-zephyr-7b-v14.1-Mistral-7B-Instruct-v0.1 — объединённая методом SLERP чат-модель на архитектуре Mistral, созданная из mistralai/Mistral-7B-Instruct-v0.1 и OpenBuddy/openbuddy-zephyr-7b-v14.1. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и рассчитана на общение на китайском, английском, французском, немецком, японском, корейском, итальянском и русском языках. Модель подходит для чат-ботов, ответов на вопросы и выполнения текстовых инструкций. В репозитории указана лицензия Apache-2.0. README не приводит результатов оценки качества или подробных сведений о поведении модели; качество ответов и пригодность для конкретных сценариев требуют проверки.

Eric111/openchat-3.5-0106-128k-DPO_dpo-binarized-NeuralTrix-7B — объединённая модель от автора Eric111, созданная с помощью mergekit из Eric111/openchat-3.5-0106-128k-DPO и eren23/dpo-binarized-NeuralTrix-7B методом SLERP. Это плотная причинно-языковая модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Заявленная длина контекста — 131072 токена. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. README не приводит результаты оценки качества и подробностей о поддерживаемых языках; возможностей за пределами генерации текста карточка не заявляет.

Gunulhona/Openchat-Llama-Merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом SLERP. В него вошли meta-llama/Meta-Llama-3.1-8B и openchat/openchat-3.6-8b-20240522; конфигурация использует bf16. Модель относится к семейству Llama, имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Контекст составляет 8192 токена. Репозиторий использует библиотеку Transformers и формат safetensors. Языки в предоставленных данных не перечислены. Условия лицензии в доступных источниках не приведены.

OpenInstruct Mistral-7B — языковая модель, выпущенная автором репозитория и дообученная на VMware/open-instruct с вычислительными ресурсами Higgsfield AI. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, предназначенная для генерации ответов на инструкции и диалоговых сценариев. В README указан формат запросов Alpaca; метаданные указывают контекст длиной до 32 768 токенов и английский язык. Модель подходит для ответов на вопросы, выполнения текстовых инструкций и генерации диалоговых ответов. В карточке приведены результаты оценки на бенчмарках рассуждений и здравого смысла, однако они не гарантируют качество в конкретном применении. Модель распространяется по лицензии Apache-2.0; базовая модель — mistralai/Mistral-7B-v0.1.

OrpoLlama3-8B-FT — диалоговая языковая модель семейства Llama 3, разработанная Sonu Kumar и дообученная методом ORPO. Она предназначена для генерации текста и ответов в чат-сценариях. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Она принимает текст, поддерживает контекст до 8192 токенов и распространяется в формате Safetensors. В метаданных указан датасет HuggingFaceH4/ultrafeedback_binarized; карточка не приводит сведения о поддерживаемых естественных языках. Модель выпущена под лицензией Apache 2.0. Карточка не содержит результатов оценки качества или подробностей о поведении после дообучения.

ossamai-v0.2-merged16 — дообученная разговорная языковая модель, опубликованная blepdoge на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалоговых сценариев на английском языке с контекстом до 8192 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Percival_01-7b-slerp — объединённая текстовая модель на архитектуре Mistral, созданная AurelPx методом SLERP с помощью LazyMergekit из liminerity/M7-7b и Gille/StrangeMerges_32-7B-slerp. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. В карточке автор заявляет второе место среди моделей 7B на OPENLLM Leaderboard, однако подробности оценки и результаты по отдельным задачам не приведены. Модель распространяется в формате safetensors под лицензией Apache-2.0.

DUAL-GPO/phi-2-gpo-new-i0 — разговорная языковая модель семейства Phi-2, разработанная на основе DUAL-GPO/phi-2-sft-lora-ultrachat-merged. Модель дообучена на датасете HuggingFaceH4/ultrafeedback_binarized и предназначена для генерации текста в диалоге. Модель имеет плотную архитектуру PhiForCausalLM и содержит 3,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 2048 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — MIT. Данные карточки не сообщают о специализации на отдельных языках или предметных областях.

bunnycore/Phi-4-Model-Stock-v4 — объединённая языковая модель, созданная с помощью mergekit методом Model Stock на основе bunnycore/Phi-4-Model-Stock. В объединение вошли версии bunnycore/Phi-4-Model-Stock-v2 и v3, а также pankajmathur/orca_mini_phi-4. Модель имеет плотную архитектуру LlamaForCausalLM и около 14,1 млрд параметров; она предназначена для генерации текста и диалогов, а её контекст составляет до 16 384 токенов. Модель можно применять для ведения диалогов и генерации ответов или другого текста. В README приведены результаты оценки Open LLM Leaderboard: средний результат 41,03, IFEval — 71,10 и BBH — 55,90. Данных о поддерживаемых языках и специальной предметной области в предоставленных материалах нет. Лицензия в предоставленных материалах не указана.

Модель ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger-fin-tur-per-ko — разговорная дообученная версия Qwen2 с 1,5 млрд параметров для генерации текста. Она предназначена для диалогов и ответов на текстовые запросы; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой Hugging Face TRL. Модель принимает текст и выдаёт текст. Указана длина контекста 32 768 токенов. По названию базовой модели можно установить поддержку испанского, русского, белорусского, армянского, немецкого, финского, турецкого, персидского и корейского языков; метаданные также отмечают английский. Лицензия — Apache-2.0.

Phantomcloak19/qwen2.5-3b-dpo — плотная авторегрессионная языковая модель семейства Qwen2, дообученная разработчиком на базе Qwen/Qwen2.5-3B-Instruct на этапе DPO в последовательном конвейере обучения LLMPR. Модель предназначена для диалогов и генерации текста по инструкциям; карточка указывает, что это результат DPO-фазы, после которой в конвейере предусмотрен этап Safety-GRPO. Модель содержит 3,1 млрд параметров, использует библиотеку Transformers и формат Safetensors, поддерживает контекст до 32 768 токенов. Базовая модель многоязычная, однако конкретный список языков для этого чекпойнта в предоставленных данных не указан. Лицензия и отдельные оценки качества не приведены.

Endriano28/qwen25-3b-indo-ft — языковая модель Endriano28, дообученная на базе unsloth/Qwen2.5-3B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Это плотная модель семейства Qwen2 с 3,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Она принимает текстовые запросы и формирует текстовые ответы; заявленная длина контекста составляет 32 768 токенов. Модель подходит для чат-ботов и других сценариев генерации текста. В названии репозитория указано «indo», однако карточка не уточняет специализацию дообучения или целевые языки; метаданные отмечают английский. Модель распространяется по лицензии Apache-2.0.

Qwen2.5-4B — плотная языковая модель для генерации текста и диалогового взаимодействия, созданная автором репозитория на основе Qwen/Qwen2.5-3B с помощью mergekit. Слияние выполнено методом passthrough: последовательность слоёв базовой модели собрана из перекрывающихся диапазонов, а веса представлены в формате bfloat16 и safetensors. Модель предназначена для генерации текста и ответов в чате; интерфейс также поддерживает вызов инструментов. Она содержит 3,9 млрд параметров, использует архитектуру Qwen2 и имеет контекст длиной до 32 768 токенов. Метаданные перечисляют поддержку китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. В README не приведены результаты оценки качества или подробности о том, как именно изменённая последовательность слоёв влияет на поведение, поэтому качество на конкретных задачах следует проверять отдельно. Лицензия в предоставленных данных не указана.

heli-stand/Qwen2.5-7B-hh-rlhf-sft — языковая модель семейства Qwen2.5, разработанная на основе Qwen2.5-7B и дообученная методом supervised fine-tuning на данных Anthropic helpfulness-harmlessness из набора hh-rlhf. Это плотная авторегрессионная модель с 7,1 млрд параметров; карточка указывает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы в стиле полезного и безвредного ассистента. В репозитории указаны веса Safetensors и библиотека Transformers. Метрика карточки сообщает лучшую evaluation loss 1,678, но описание не приводит протокол оценки или сравнение с другими моделями. Основой служит Qwen2.5-7B. В README не указаны языковой охват и лицензия, поэтому условия использования и поддерживаемые языки по имеющимся данным определить нельзя. Возможности вызова инструментов отмечены в метаданных как интерфейсная функция; README не описывает отдельную проверку этой способности.

maywell разработал мультиязычную разговорную модель Qwen2 с 7,1 млрд параметров для генерации текста в формате диалога ChatML. Она рассчитана на контекст до 32 768 токенов и поддерживает английский, корейский, японский, китайский и испанский языки. В карточке указано, что модель частично ориентирована на ERP-контент; примеры включают корейский диалог. Модель подходит для чат-ботов и генерации ответов на нескольких языках. Весовые файлы опубликованы в формате safetensors. Лицензия — Apache-2.0.

Модель luigisaetta/qwen3-1.7b-lora-merged — версия Qwen3-1.7B с объединённым локальным LoRA-адаптером, опубликованная как самостоятельная модель Transformers. Она предназначена для генерации текста и диалогов; метаданные отмечают поддержку чата. Модель плотной архитектуры Qwen3ForCausalLM содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Языковые возможности унаследованы от многоязычной базовой Qwen3, однако целевые языки и конкретные улучшения дообучения не описаны. Модель основана на Qwen/Qwen3-1.7B и сохранена в формате safetensors. LoRA-адаптер слит с базовыми весами, поэтому для использования не требуется отдельно подключать адаптер. Лицензия — Apache-2.0. Данные дообучения приватны и в репозитории отсутствуют; перед распространением следует проверить поведение дообученной модели и лицензионные условия базовой модели.

Модель maheshrawat18/Qwen3-4B-sft-orpo-groq разработана maheshrawat18 и представляет собой дообученную плотную языковую модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 3,7 млрд параметров. Она предназначена для генерации текста и диалогового общения; при обучении использовались Unsloth и Hugging Face TRL. Модель принимает текст и выдаёт текст. Заявленная длина контекста составляет 262 144 токена. В карточке указан английский язык. Модель основана на maheshrawat18/Qwen3-4B-2507-sft-new-updated и распространяется по лицензии Apache-2.0.

VladShash/qwen3-8b-classic-no-repair — плотная авторегрессионная языковая модель семейства Qwen3 с 7,6 млрд параметров, разработанная на основе formalmathatepfl/qwen3-cpt. Модель дообучена методом SFT на наборе данных sft; в карточке она представлена как диалоговая модель для генерации текста. Модель принимает текст и выдаёт текст. Её можно использовать для диалогов и генерации ответов в сценариях, где подходит Qwen3. Контекстное окно составляет 32 768 токенов. Карточка не сообщает о специализированных областях применения или языках. Лицензия указана как other, поэтому конкретные условия использования по карточке определить нельзя.

qwen3-cpt-lean-sft-feedback-selfdistill-r1 — дообученная модель семейства Qwen3, созданная на основе VladShash/qwen3-8b-classic-one-shot и обученная на наборе lean_selfdistill_r1_train. Это плотная авторегрессионная языковая модель с 7,6 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель подходит для генерации ответов в чате и других сценариев текстовой генерации. Подробности о целевой специализации, качестве и результатах оценки в карточке не приведены. Репозиторий содержит веса в формате safetensors; лицензия указана как other, поэтому перед использованием следует проверить условия лицензии на странице модели.

Карточка модели mlinmg/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.

Defetya/qwen-4B-saiga — чат-модель на архитектуре Qwen2, разработанной Alibaba. Модель с 3,6 млрд параметров дообучена методом SFT на датасете Saiga Ильи Гусева с использованием EasyDeL на TPU v3-8. Она предназначена для диалогов и генерации текста, в первую очередь на русском языке; контекст составляет до 32 768 токенов. Автор README отмечает хорошее обращение с русскими падежами по результатам краткого личного общения, но не приводит систематических оценок: карточка упоминает запланированную проверку на Russian SuperGLUE. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

Qwen-Mix-7B — мультиязычная разговорная модель для генерации текста, созданная объединением трёх моделей Qwen2 с помощью mergekit и метода model_stock. Она содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. Модель подходит для диалога и генерации ответов на текстовые запросы. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает конкретные языки, кроме указания на мультиязычность, и не приводит оценок качества или подробных ограничений применения.

Radiantloom Mixtral 8X7B Fusion DPO — разговорная текстовая модель на архитектуре Mixtral с разреженной смесью экспертов (MoE), разработанная Radiantloom. Это дообученная с помощью Direct Preference Optimization (DPO) версия Radiantloom Mixtral 8X7B Fusion, предназначенная для генерации ответов в диалоге и других сценариев text-generation. Модель использует библиотеку Transformers, распространяется в формате safetensors и имеет контекстное окно 32 768 токенов. В метаданных указано 7,1 млрд параметров. Модель поддерживает ввод и вывод текста; карточка не сообщает о специализированных предметных областях или поддерживаемых естественных языках. Лицензия — Apache-2.0. Карточка не приводит результатов оценивания, данных обучения или подробностей о качестве ответов, поэтому характеристики DPO-настройки и качество в конкретных задачах требуют самостоятельной проверки.

RakutenAI-7B-chat — чат-модель компании Rakuten Group, Inc., созданная дообучением RakutenAI-7B. Она предназначена для диалогов и генерации ответов на японском и английском языках. Модель основана на плотной архитектуре Mistral и содержит 7,2 млрд параметров; длина контекста — до 32 768 токенов. Модель дообучена на смеси открытых и подготовленных Rakuten наборов инструкций и диалогов, включая JSNLI, RTE, KUCI, BELEBELE, JCS, JNLI, Dolly-15K и OpenAssistant1. Репозиторий содержит веса PyTorch в формате Safetensors. Лицензия — Apache 2.0. Модель может генерировать предвзятые, неточные или небезопасные ответы, поэтому результаты следует проверять.

Rawr — плотная языковая модель семейства Llama 3, созданная ResplendentAI слиянием нескольких моделей для генерации диалогового текста. В конфигурации использован метод model_stock; в качестве базовой указана ResplendentAI/SOVL_Llama3_8B, а среди компонентов — Poppy Porpoise, Smarts, TheSpice, Aura, Stheno и Luna. Модель содержит 7,5 млрд параметров, работает через Transformers и распространяется в формате safetensors; контекстное окно — 8192 токена. Модель предназначена для диалогов и генерации текста по запросу. Метаданные описывают её как чат-модель, но не приводят сведений о целевых языках или узких предметных областях, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1 — слияние языковых моделей Gemma 2, созданное с помощью mergekit и метода SLERP на основе lemon07r/Gemma-2-Ataraxy-v2-9B и recoilme/recoilme-gemma-2-9B-v0.4. Это плотная авторегрессионная модель с архитектурой Gemma2ForCausalLM и 9 млрд параметров, предназначенная для диалогов и генерации текста. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. В конфигурации слияния использована точность bfloat16. Модель подходит для ведения диалогов, выполнения инструкций и творческой генерации текста. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH; этих оценок недостаточно, чтобы судить о качестве во всех сценариях. В доступных сведениях не указаны конкретные поддерживаемые языки. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.