III.4Клиентская поддержка и customer success

Nous-Hermes-2-SUS-Chat-2x34B — языковая модель Weyaxi, созданная объединением моделей с помощью mergekit. В конфигурации указаны базовая модель Yi-34B и эксперты Nous-Hermes-2-Yi-34B и SUS-Chat-34B; метаданные относят архитектуру к Mixtral MoE с классом MixtralForCausalLM. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории представлены веса safetensors в формате bfloat16. Размер модели по метаданным — 33,9 млрд параметров, длина контекста — 4096 токенов. README приводит результаты оценки на нескольких бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и у правообладателей базовых моделей.

Карточка модели llm-wizard/NousWizard на Hugging Face совпадает с карточкой mergekit-community/dolphin-mistral-instruct-7b, поэтому описание составлено по ней. Это объединённая языковая модель mergekit-community, созданная методом SLERP на основе arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель построена на архитектуре MistralForCausalLM с плотной архитектурой и содержит 7,1 млрд параметров; опубликованные веса представлены в формате Safetensors, а библиотека запуска — Transformers. Модель предназначена для генерации текста в диалоговых сценариях: она принимает текстовый запрос и формирует текстовый ответ. Контекст составляет до 32 768 токенов. Карточка не описывает отдельные прикладные области или языковые характеристики, поэтому их нельзя уточнить по имеющимся данным. Лицензия в предоставленных данных не указана.

Nova-13B — языковая модель семейства Llama от Weyaxi, дообученная на базе AIDC-ai-business/Luban-13B. Она предназначена для генерации текста и может использоваться в диалоговых и других текстовых приложениях. В карточке указаны 12,9 млрд параметров, контекст до 4096 токенов и веса в формате Safetensors; в метаданных также указан датасет Open-Platypus. README приводит результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Модель поддерживает английский язык. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства на некоммерческих условиях.

RLLab/olmo-3-7b-it-sft — разговорная модель семейства OLMo 3 с плотной архитектурой причинного языкового моделирования. По данным карточки, она предназначена для генерации текста в диалоговом формате и имеет около 6,9 млрд параметров; для работы используется библиотека Transformers и формат safetensors. Модель принимает текст и генерирует текст. Длина контекста составляет 65 536 токенов. Карточка не содержит сведений о языковом охвате, конкретных сценариях дообучения или результатах оценки качества. Лицензия в предоставленных данных не указана.

vicgalle/OpenHermes-Qwen1.5-1.8B — разговорная языковая модель, опубликованная vicgalle и основанная на архитектуре Qwen2. Она предназначена для генерации текста в диалоговом формате и может использоваться как компактный чат-ассистент.

Weyaxi/OpenOrca-Zephyr-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью TIES-merge из HuggingFaceH4/zephyr-7b-alpha и Open-Orca/Mistral-7B-OpenOrca. Она предназначена для генерации текста и диалоговых сценариев; в README приведены веса слияния 0,5 для Zephyr и 0,3 для OpenOrca, а также плотность 0,5 для обеих моделей. Модель содержит 7,1 млрд параметров, имеет контекст до 32 768 токенов и опубликована в формате safetensors. README содержит заголовок таблицы результатов Open LLM Leaderboard, но значений метрик нет, поэтому качество по этим результатам оценить нельзя. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

jtatman дообучил эту плотную авторегрессионную языковую модель семейства Llama на базе unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста в диалоговом формате. В репозитории указано 7,5 млрд параметров; метаданные задают нативный контекст в 8192 токена и формат весов safetensors. Заявленная лицензия — Apache-2.0. Карточка не описывает специальную предметную область или отдельные ограничения качества.

Lazzzaroo/PaolaAI-IPN-7B — чат-модель на архитектуре Qwen2, дообученная Lazzzaroo на базе unsloth/Qwen2.5-7B-Instruct-bnb-4bit. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалоговых сценариев; карточка также отмечает интерфейс вызова инструментов. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

pastiche-crown-clown-7B-dare — объединённая модель семейства Mistral, созданная с помощью mergekit из четырёх моделей: bardsai/jaskier-7b-dpo-v5.6, mlabonne/AlphaMonarch-7B, mlabonne/NeuralMonarch-7B и macadeliccc/MBX-7B-v3-DPO. Для слияния использован метод DARE TIES; итоговые веса сохранены в формате safetensors и имеют тип bfloat16. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста, в том числе диалогов, ответов на инструкции и рассуждений, унаследованных от базовых моделей. Она может применяться в чат-ботах и для генерации текста по запросу. Репозиторий распространяется по лицензии Apache-2.0. README не приводит сравнительных оценок качества или специализированных ограничений; результаты могут зависеть от запроса и сценария использования.

PasticheInex12-7B — объединённая модель для генерации текста, созданная Maxime Labonne с помощью автоматического слияния двух моделей Mistral: CorticalStack/pastiche-crown-clown-7b-dare и MSL7/INEX12-7b. В README указаны метод слияния SLERP и формат весов bfloat16; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Лицензия — Apache-2.0. README и метаданные не уточняют поддерживаемые языки или специализированные предметные области.

Это чат-модель семейства Qwen2, разработанная ehristoforu и дообученная на основе ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger-fin. Она предназначена для генерации текста в диалоге и поддерживает контекст до 32 768 токенов. Размер модели — 1,5 млрд параметров; карточка указывает обучение с Unsloth и TRL. В названии базовой модели заявлена поддержка испанского, русского, белорусского, армянского, немецкого и финского языков; метаданные также содержат код английского языка. Модель распространяется по лицензии Apache-2.0.

Qwen2.5-1.5B-Policy — языковая модель для генерации текста, созданная blakenp дообучением Qwen/Qwen2-0.5B с помощью TRL. Модель использует плотную архитектуру Qwen2 и предназначена для диалогового взаимодействия: она принимает пользовательские сообщения и генерирует ответы. Модель содержит 494 млн параметров, работает с библиотекой Transformers и поддерживает контекст длиной до 131 072 токенов. В метаданных указано сохранение весов в формате safetensors. Лицензия и языковая специализация в предоставленных данных не указаны.

Карточка модели LLADIGA/Qwen3.5-4B-full_turn_matchit_ascii_player1 на Hugging Face совпадает с карточкой LLADIGA/Qwen3.5-4B-full_turn_matchit_ascii_player2, поэтому описание составлено по ней. Это дообученная модель Qwen3.5-4B, опубликованная пользователем LLADIGA. Модель с плотной архитектурой Qwen3_5ForCausalLM содержит 3,4 млрд параметров и предназначена для генерации текста в диалоговом формате. В карточке указано обучение с помощью TRL; пример показывает ответы на пользовательские вопросы. Модель принимает текст и генерирует текст. Она основана на Qwen/Qwen3.5-4B, для которой каталог описывает поддержку понимания изображений, однако для этого дообученного текстового чекпойнта заявлена задача text-generation. Контекстное окно — 262144 токена. Модель доступна в формате Safetensors и рассчитана на Transformers. Лицензия в предоставленных данных не указана.

nbeerbower/Qwen3.5-9B-Writing-DPO — дообученная модель семейства Qwen3.5, созданная на базе Qwen/Qwen3.5-9B. Она предназначена для генерации текста в диалоге и сценариев написания текстов; в метаданных также отмечены интерфейсы чата и вызова инструментов. Модель использует плотную архитектуру Qwen3_5ForCausalLM и содержит 7,2 млрд параметров. Она работает через Transformers, распространяется в формате safetensors и имеет заявленный контекст 262 144 токена. Дообучение выполнено на наборе данных schneewolflabs/Athanorlite-DPO; название репозитория указывает на настройку для письма, однако README не содержит подробностей о стиле или качестве генерации. Базовая Qwen3.5 описана в каталоге как мультимодальная, но для этой модели указана текстовая задача text-generation. Лицензия в предоставленных данных не приведена. Возможности генерации зависят от запроса и дообучения; заявленные характеристики качества и ограничения в карточке не описаны.

3MPER0RR/Qwen3.8-27B-3MPER0RR-abliterated — дообученная диалоговая модель семейства Qwen, созданная 3MPER0RR на основе Qwen/Qwen3.8-27B. В метаданных указаны плотная архитектура Qwen3.5, 27 млрд параметров для базовой модели и поддержка генерации текста и чата. Модель подходит для диалогов и генерации текста. Карточка сообщает, что модель прошла тестирование и была сохранена, но не описывает метод дообучения, языки, контекстное окно или отдельные возможности версии «abliterated». Лицензия — Apache 2.0.

Это дообученная arefehRajabian версия языковой модели Qwen3-8B-FP8. Она предназначена для генерации текста в диалоговом режиме и может использоваться в приложениях, которым нужны ответы на текстовые запросы. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 40 960 токенов. Веса представлены в формате safetensors. Модель обучена с помощью Unsloth и библиотеки Hugging Face TRL. Она распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, поэтому область применения и качество на конкретных задачах по ней определить нельзя.

Карточка модели arefehRajabian/qwen3_8b_fp8_finetune_base_model_16bit на Hugging Face совпадает с карточкой arefehRajabian/qwen3_8b_fp8_finetune_16bit, поэтому описание составлено по ней. Это дообученная arefehRajabian версия языковой модели Qwen3-8B-FP8. Она предназначена для генерации текста в диалоговом режиме и может использоваться в приложениях, которым нужны ответы на текстовые запросы. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 40 960 токенов. Веса представлены в формате safetensors. Модель обучена с помощью Unsloth и библиотеки Hugging Face TRL. Она распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, поэтому область применения и качество на конкретных задачах по ней определить нельзя.

Mushari Alothman дообучил Qwen3-8B-Base методом supervised fine-tuning и выпустил разговорную причинно-следственную языковую модель на 7,6 млрд параметров. Модель предназначена для ответов на вопросы с вариантами выбора, контекстных вопросов и ответов, работы с RAG и выполнения общих инструкций на арабском и английском языках. Модель основана на архитектуре Qwen3 с плотной архитектурой и классом Qwen3ForCausalLM. Она принимает текст и генерирует текст, поддерживает чат, а её родной контекст составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache 2.0. В карточке заявлена настройка на чистое и точное выполнение инструкций и вопросов на арабском и английском языках. Не рекомендуется использовать её для критически важных или требующих реакции в реальном времени решений; фактические ответы следует проверять.

QwerySmith-1.0-Merged — дообученная Cyrax321 языковая модель для генерации текста и диалогового общения. Она основана на Qwen3 с плотной архитектурой причинного языкового моделирования Qwen3ForCausalLM и содержит около 3,7 млрд параметров. Модель принимает текст и поддерживает контекст до 40 960 токенов; в метаданных также отмечен интерфейс вызова инструментов. Карточка указывает базовую модель unsloth/qwen3-4b-unsloth-bnb-4bit и лицензию Apache-2.0. В описании нет сведений о специализации дообучения или оценках качества; подтверждена поддержка английского языка.

kz919/QwQ-0.5B-Distilled-SFT — компактная диалоговая языковая модель на архитектуре Qwen2, дообученная методом instruction tuning с дистилляцией ответов Qwen/QwQ-32B-Preview. В репозитории указано около 0,5 млрд параметров; метаданные связывают модель с Qwen/Qwen2.5-0.5B-Instruct и показывают длину контекста 32 768 токенов. Модель предназначена для генерации текста в диалоге, ответов на вопросы и пошаговых объяснений, а также для создания связного длинного текста и обработки запросов технической поддержки. Обучение описано как дистилляция на примерах длинных рассуждений из наборов QwQ-LongCoT; метаданные также перечисляют QWQ-LONGCOT-500K и LONGCOT-Refine-500K. Заявлены возможности чата и интерфейс вызова инструментов. Карточка отмечает, что качество на сложных задачах рассуждения может уступать модели-учителю, а сам чекпойнт может быть недостаточно обучен. Лицензия — Apache-2.0.

RandomMergeNoNorm-7B-DARETIES — текстовая генеративная модель, созданная с помощью mergekit объединением моделей FelixChao/WestSeverus-7B-DPO-v2, CultriX/Wernicke-7B-v9 и mlabonne/NeuralBeagle14-7B. Это плотная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Слияние выполнено методом DARE-TIES с базой FelixChao/WestSeverus-7B-DPO-v2, плотностями 0,45 и 0,55 для компонентов и параметром int8_mask; итоговый тип данных — float16. Базовая модель NeuralBeagle14-7B описана как модель для диалогов, следования инструкциям, рассуждений и творческой генерации, однако отдельные оценки качества именно этого слияния в карточке не приведены. Модель распространяется по лицензии Apache-2.0.

recoilme/recoilme-gemma-2-9B-v0.2 — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Она предназначена для генерации текста и общения в чат-сценариях; в карточке также приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Модель принимает текст и генерирует текст, использует контекст длиной до 8192 токенов и распространяется в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но ограничивает коммерческое применение. README не описывает поддерживаемые языки и конкретные сценарии сверх диалога и генерации текста.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25 — слияние методом SLERP двух предварительно обученных языковых моделей, выполненное с помощью mergekit. В состав входят recoilme/recoilme-gemma-2-9B-v0.4 и lemon07r/Gemma-2-Ataraxy-v2-9B. Модель построена на архитектуре Gemma 2 с плотной конфигурацией и содержит 9 млрд параметров; для хранения используются веса safetensors, а библиотека для работы — Transformers. Длина контекста составляет 8192 токена. Модель предназначена для генерации текста в диалоговом формате, выполнения инструкций и творческого письма. В опубликованных результатах оценки указаны IFEval 77,07 и BBH 43,85; эти показатели относятся к приведённой в карточке оценке и не гарантируют аналогичного качества на всех задачах. README не приводит сведений о лицензии или дополнительных ограничениях использования.

RoBERTa-Base-MRQA — англоязычная модель для извлекающего ответа на вопросы, выпущенная VMware в рамках совместного исследовательского проекта с Innovation Foundry/AIM-AHEAD Lab при Howard University. Она принимает вопрос и контекстный фрагмент текста, затем выделяет ответ из этого фрагмента; подходит для поиска по текстам, чат-ботов и систем поддержки клиентов. Модель основана на RoBERTa-Base, имеет около 151,8 млн параметров и контекстное окно 514 токенов. Она обучена на 516 819 примерах датасета MRQA и доступна в форматах PyTorch и Safetensors. Карточка приводит результаты оценки по Exact Match и F1, но качество может снижаться на вопросах и текстах вне распределения MRQA. Модель рассчитана на английский язык и может хуже справляться с другими языками и узкоспециализированными знаниями. Лицензия — Apache-2.0.

RuadaptQwen2.5-7B-Lite-Beta — русскоязычная адаптация модели T-lite-it-1.0, опубликованная RefalMachine. В README описаны замена токенизатора, продолжение предобучения на русскоязычном корпусе и применение техники LEP (Learned Embedding Propagation); метаданные указывают на объединение Qwen/Qwen2.5-7B и t-tech/T-lite-it-1.0. Это плотная авторегрессионная модель семейства Qwen2 с 7 млрд параметров, предназначенная для генерации текста и диалогов. Контекст — до 32 768 токенов. Расширенный токенизатор на основе tiktoken cl100k и униграмного словаря на 48 тысяч токенов, по заявлению авторов, повышает скорость генерации русскоязычного текста до 60% относительно T-lite-it-1.0. Модель оценивали на Ru-Arena-General, MERA и llmtf_open, однако README приводит неполные результаты и указывает на использование repetition_penalty=1.1 в замерах Ru-Arena-General. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Авторы предупреждают, что ответы отражают данные обучения, и отмечают отсутствие контроля над предобучением исходной модели.

Aniemore/rubert-tiny-emotion-russian-cedr-m7 — русскоязычная модель классификации эмоций, разработанная Aniemore и дообученная на наборе данных Aniemore/cedr-m7 от cointegrated/rubert-tiny. Это BERT-модель с классификационной головой, поддерживающая семь независимых меток эмоций: она может отнести текст сразу к нескольким классам или не выбрать ни одного. По результатам на тестовой выборке CEDR-M7 макроусреднённый ROC AUC составляет 0,9008. Модель предназначена для определения эмоциональной окраски русскоязычных предложений, например, в анализе отзывов, сообщений и пользовательских высказываний. Размер в метаданных — 29 млн параметров; модель принимает текст и выдаёт оценки по классам эмоций. Для классификации с порогом 0,5 README рекомендует подбирать порог на собственных данных. Длина контекста по метаданным — 2048 токенов. Лицензия — MIT.

mondk/Safetensors.claude-sonnet-mistral-7b-it-v0.3 — разговорная языковая модель, созданная на основе unsloth/mistral-7b-instruct-v0.3-bnb-4bit и дообученная на датасете mondk/claude-v2-super.jsonl. Она использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и предназначена для генерации текста в диалоговом формате, включая ответы на вопросы и ведение беседы на английском языке. Модель поддерживает контекст до 32 768 токенов и интерфейс вызова инструментов. Весы опубликованы в формате safetensors; лицензия — Apache-2.0. Карточка краткая, поэтому конкретные результаты оценивания и дополнительные ограничения не описаны.

SambaLingo-Arabic-Chat — чат-модель SambaNova Systems на архитектуре Llama, предназначенная для диалога на арабском и английском языках. Модель содержит 6,7 млрд параметров, использует контекст до 4096 токенов и распространяется в формате Safetensors. Модель обучена методом direct preference optimization на базе SambaLingo-Arabic-Base. Базовая модель адаптирует Llama 2 к арабскому языку на корпусе Cultura-X; словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель подходит для генерации ответов в чат-интерфейсах и ведения двуязычного диалога. Возможны фактические ошибки, повторения и непреднамеренное переключение между языками или диалектами; качество генерации кода и решения сложных математических задач может быть ограничено. Модель не предназначена для критически важных и связанных с безопасностью решений. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

SambaLingo-Bulgarian-Chat — чат-модель SambaNova Systems для генерации ответов на болгарском и английском языках. Она построена на плотной архитектуре Llama и дообучена методом direct preference optimization поверх SambaLingo-Bulgarian-Base, адаптированной к болгарскому языку на основе Llama 2. Модель содержит 6,7 млрд параметров, принимает текст и генерирует текст; длина контекста — 4096 токенов. Модель предназначена для диалогов и ответов на вопросы на болгарском и английском языках. Словарь токенизатора расширен с 32 000 до 57 000 токенов за счёт добавления болгарских токенов. Веса доступны в формате safetensors. Использование регулируется лицензией Meta Llama 2 Community License Agreement. Модель может галлюцинировать, переключаться между языками или диалектами и повторять фразы. Её возможности в программировании и сложной математике ограничены; она может генерировать токсичный или неподходящий контент. Разработчик не рекомендует применять её в критически важных сценариях и при принятии решений, влияющих на безопасность людей.

arcee-ai разработала Saul-Base-Calme-7B-Instruct-slerp — объединённую методом SLERP языковую модель для генерации текста и диалогового общения. Она объединяет Equall/Saul-Base и MaziyarPanahi/Calme-7B-Instruct-v0.1.1; в конфигурации mergekit базовой указана Calme-7B-Instruct-v0.1.1. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и имеет контекстное окно до 32 768 токенов. Она принимает текст и генерирует текст; карточка описывает её как разговорную модель, однако языки обучения и приоритетные языки не установлены по предоставленным данным. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не приводит оценок качества и подробных ограничений; результат генерации может требовать проверки, как и у других языковых моделей.