III.4Клиентская поддержка и customer success

Saul-Instruct-Extended — объединённая с помощью mergekit инструктивная языковая модель, опубликованная arcee-ai. В README в качестве компонентов указана Equall/Saul-Instruct-v1; повторение одного и того же идентификатора не позволяет установить, объединялись ли разные варианты весов. Модель основана на плотной архитектуре Mistral и содержит 8,9 млрд параметров. Она предназначена для диалоговой генерации текста и выполнения инструкций; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0.

DMetaSoul разработала компактную модель эмбеддингов для сопоставления вопросов в финансовой сфере. Это дистиллированная версия более крупной модели на базе BERT: вместо 12 слоёв в ней 4, а размер составляет около 54 млн параметров по метаданным. Модель кодирует текст в векторы, которые можно сравнивать для поиска семантически похожих вопросов, например о процентах по займу, досрочном погашении или неудачной операции с кредитом. Модель предназначена для семантического поиска и сопоставления финансовых запросов на китайском языке. Контекст ограничен 512 токенами. В описанном авторами сравнении с моделью-учителем задержка снизилась примерно на 47%, а средняя точность уменьшилась примерно на 4,8 процентного пункта; результаты приведены для конкретных наборов данных и условий испытания. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Sebushka-llama-3.1-8B — русскоязычная чат-модель, разработанная burgasdotpro на базе Llama 3.1 8B. Она дообучена на датасете IlyaGusev/saiga_scored; для обучения использовались Unsloth и TRL. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов на русском языке и генерации ответов на текстовые запросы. Указанная лицензия — Apache-2.0. Карточка не приводит оценок качества или подробных результатов обучения, поэтому пригодность ответов для конкретных задач стоит проверять отдельно.

sfm_filtered_e2e_alignment-6k_7k_8k_9k_10k_weightedavg_merge — объединение языковых моделей, созданное с помощью mergekit. В карточке указано линейное слияние контрольных точек обучения на шагах 6000, 7000, 8000, 9000 и 10000; контрольная точка шага 10000 использовалась как базовая при слиянии. Модель имеет архитектуру GPT-NeoX, около 8,8 млрд параметров и контекстное окно до 16 384 токенов. Она предназначена для генерации текста и диалогового взаимодействия. Данные не уточняют конкретные языки, предметные области или специальные сценарии применения. Модель распространяется в формате Safetensors. Лицензия в предоставленных данных не указана.

Модель sfm_filtered_insert_xxf_character-9k_10k_11k_weightedavg_merge — объединённая с помощью mergekit линейным методом языковая модель, созданная из трёх контрольных точек предварительно обученных моделей. В качестве базовой при слиянии использовалась контрольная точка global_step11000, вместе с ней объединены global_step9000 и global_step10000; пути указывают на внутренние контрольные точки, а их исходные публичные идентификаторы не приведены. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекст длиной до 16 384 токенов. Она предназначена для генерации текста и диалогового использования; карточка не описывает специализированные предметные области или отдельные языки. Весовые файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

sfm_filtered_midtrain_alignment-3k_4k_5k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек обучения на шагах 3000, 4000 и 5000. В README указан метод Linear merge и контрольная точка шага 5000 в качестве базовой; архитектура — плотная GPT-NeoX для авторегрессионной генерации текста, размер — 8,8 млрд параметров, контекст — до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Данные не раскрывают конкретные языки, специализированные предметные области или отдельные гарантированные возможности помимо генерации текста и чата. Репозиторий содержит веса в формате Safetensors; условия лицензии в предоставленных данных не описаны.

sfmunfilterede2ealignment-4k5k6kweightedavgmerge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек обучения на шагах 4000, 5000 и 6000; базовой указана контрольная точка global_step6000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и предназначена для генерации текста и диалогового взаимодействия. Максимальная длина контекста — 16 384 токена. Карточка не описывает специализацию на конкретных предметных областях или языках, поэтому модель можно охарактеризовать только как текстовую модель общего назначения. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Сведения о лицензии в предоставленных источниках отсутствуют.

nisten/shqiponja-90 — языковая модель для генерации текста, созданная с помощью mergekit на основе моделей семейства Qwen. В карточке указано, что в объединении использован метод passthrough и модели Smaug-72B-v0.1, Qwen1.5-72B и smallsmaug-fine2; метаданные связывают репозиторий с Qwen/Qwen1.5-72B. Архитектура — плотная Qwen2ForCausalLM, размер — 88,5 млрд параметров, формат весов — safetensors, библиотека — Transformers, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на запросы, составления текстов и ведения беседы. README не сообщает о специализированной предметной области или языковом охвате. Лицензия — MIT.

SOLAR-10.7B-merge-dpo — текстовая разговорная модель команды ETRI xainlp, созданная слиянием heavytail/kullm-solar и upstage/SOLAR-10.7B-Instruct-v1.0 с помощью MergeKit. Модель содержит 10,6 млрд параметров, основана на плотной архитектуре Llama и рассчитана на контекст до 4096 токенов. Модель принимает текст и генерирует текст; её можно применять для диалоговых ответов и других задач генерации текста. При создании использовался набор из 90 тысяч пользовательских предпочтений для DPO+LoRA. Веса опубликованы в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Карточка не приводит сведений о поддерживаемых языках или специализированных предметных областях.

solar-merge-v1.0 — текстовая модель с архитектурой Mixture of Experts, созданная jieunhan с помощью LazyMergekit путём объединения upstage/SOLAR-10.7B-Instruct-v1.0 и heavytail/kullm-solar. В конфигурации указаны базовая модель upstage/SOLAR-10.7B-v1.0, формат float16 и маршрутизация экспертов cheap_embed; размер модели — 10,6 млрд параметров, контекст — 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов в роли универсального ассистента. В состав объединения входит корейская модель KULLM-SOLAR, поэтому модель может быть полезна для взаимодействия на корейском языке; также унаследованы возможности SOLAR-10.7B-Instruct для выполнения инструкций и ответов на английском. Модель распространяется по лицензии Apache-2.0.

Spaetzle-v66-7b — объединённая модель для генерации текста и диалоговых ответов, созданная cstr с помощью LazyMergekit из flemmingmiguel/NeuDist-Ro-7B, cstr/Spaetzle-v53-7b и ResplendentAI/Flora_DPO_7B. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации продолжений текста и ведения диалога. В карточке не приведены сведения о целевых языках или специализированных областях применения, поэтому её можно описать как модель общего назначения. Репозиторий содержит веса в формате safetensors; лицензия — CC BY-SA 4.0. Качество ответов и языковой охват зависят от составляющих моделей; README отмечает, что сведения о происхождении обучающих данных одной из них, Spaetzle-v53-7b, проследить по этой карточке нельзя. Это объединение весов, а не новая версия базовой модели, полученная обучением на отдельном корпусе.

Spaetzle-v68-7b — слитая модель на 7,1 млрд параметров, созданная автором cstr с помощью LazyMergekit из Spaetzle-v65-7b и Spaetzle-v64-7b. Она использует плотную архитектуру Mistral и предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Слияние выполнено методом DARE-TIES с маской int8 и сохранением весов в bfloat16. Модель можно использовать для диалоговых ответов и других задач генерации текста. README не приводит результатов оценки качества или подробного перечня поддерживаемых языков, поэтому конкретные преимущества и языковое покрытие установить нельзя. Лицензия — CC-BY-NC-SA-4.0: использование ограничено некоммерческими условиями и требованием ShareAlike.

Stable Beluga 7B — авторегрессионная языковая модель Stability AI, дообученная на базе Llama 2 7B на внутреннем наборе данных в стиле Orca. Модель с плотной архитектурой Llama содержит 6,6 млрд параметров, принимает текст и предназначена для генерации ответов на текстовые запросы. Максимальная длина контекста — 4096 токенов; заявленный язык — английский. Модель подходит для диалогов, ответов на вопросы и выполнения разнообразных текстовых инструкций. В README отмечено, что тестирование проводилось на английском языке. Ответы могут быть неточными, предвзятыми или нежелательными, поэтому перед внедрением модель следует проверить и настроить для конкретного применения. Чекпойнт распространяется по некоммерческой лицензии STABLE BELUGA NON-COMMERCIAL COMMUNITY LICENSE AGREEMENT.

Starling-LM-7B-beta — языковая модель Nexusflow, дообученная на Openchat-3.5-0106 с помощью обучения с подкреплением на основе обратной связи от ИИ (RLAIF). Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и принимает текстовые диалоги, используя контекст до 8192 токенов. Модель предназначена для чат-общения и генерации ответов. При обучении использовались набор ранжированных предпочтений Nectar, reward-модель Starling-RM-34B и метод PPO; авторы сообщают результат 8,12 на MT-Bench с оценкой GPT-4. Для сохранения качества следует применять шаблон чата Openchat-3.5-0106; иногда ответы бывают многословными, и авторы рекомендуют температуру 0, чтобы уменьшить это. Лицензия Apache-2.0 с указанным в карточке условием, запрещающим использовать модель для конкуренции с OpenAI.

StarMonarch-7B — объединённая диалоговая модель на архитектуре Mistral, созданная Ppoyaa методом SLERP с помощью LazyMergekit на основе mlabonne/AlphaMonarch-7B и Nexusflow/Starling-LM-7B-beta. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и общения в формате чата; карточка приводит результаты оценки на задачах рассуждения и здравого смысла. Метаданные указывают контекст до 32 768 токенов, тогда как README заявляет окно контекста 8k. Модель принимает текст и генерирует текст, поддерживаемый язык — английский. Распространяется под лицензией Apache-2.0. Результаты бенчмарков в карточке не гарантируют качество для конкретного применения.

Stella-mistral-nemo-12B — созданная nbeerbower объединённая языковая модель на архитектуре Mistral, рассчитанная на генерацию текста и диалоговое взаимодействие. Модель размером 12,1 млрд параметров создана методом Model Stock с помощью mergekit; базой слияния послужила nbeerbower/mistral-nemo-gutenberg-12B-v2. В объединение вошли несколько моделей Mistral Nemo, включая варианты для ролевого общения, инструкций и научного текста. Модель предназначена для генерации ответов и продолжения текста в чат-сценариях. Указанная длина контекста — 1 024 000 токенов; модель использует формат весов safetensors и библиотеку Transformers. README не описывает отдельные целевые языки, поэтому их не уточняю. Качество и поведение зависят от конкретного запроса и объединённых исходных моделей; в карточке нет оценок или подробных ограничений применения. Условия лицензии в предоставленных данных не приведены.

Suzume ORPO Borda Top25 — многоязычная диалоговая модель, разработанная Peter Devine и дообученная методом ORPO на базе lightblue/suzume-llama-3-8B-multilingual. Она предназначена для общения и генерации ответов; версия top25 обучена на предпочтительных и менее предпочтительных ответах для 25% наиболее стабильно ранжированных запросов из набора lightblue/mitsu. Модель построена на плотной архитектуре Llama, содержит 7,5 млрд параметров и имеет контекстное окно 8192 токена. В оценке MT-Bench сравнивались результаты на шести языках; README отмечает улучшения относительно базовой модели на большинстве языков. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Карточка модели Syninlab/Synin-1.0-Omni-Inquisitive 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.

Synthia-70B-v1.2b — языковая модель от SynthIA, созданная на базе Llama 2 70B и дообученная на данных в стиле Orca. Она предназначена для выполнения инструкций, диалогов и генерации развёрнутых текстовых ответов. Модель содержит 68,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 4096 токенов. Карточка приводит результаты оценки на ARC Challenge и HellaSwag. Модель принимает текст и генерирует текст на английском языке. Автор характеризует её как uncensored и предупреждает о возможности ошибочных, предвзятых, оскорбительных или неподходящих ответов; результаты следует проверять. Лицензия — Llama 2.

T3qm7xNeuralsirkrishna_Experiment29Experiment24 — объединённая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment29Experiment24-7B. Она предназначена для генерации текста и диалоговых ответов; содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Файлы опубликованы в формате safetensors. Модель принимает текст и выдаёт текст. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной предметной области или отдельных гарантиях качества; возможности и ограничения после слияния отдельно не описаны.

T3qm7xNeuralsirkrishna_Multi_verse_modelExperiment28 — объединённая авторами репозитория модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалогов, принимает текст и поддерживает контекст до 32 768 токенов. Модель объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/Multi_verse_modelExperiment28-7B. Веса опубликованы в формате safetensors. Карточка не уточняет специализацию модели, языки или сравнительное качество, поэтому её можно характеризовать только как модель генерации общего назначения. Лицензия — Apache-2.0.

T3qm7xNeuralsirkrishna_Multi_verse_modelOgno — объединённая языковая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Multi_verse_modelOgno-7B. Модель содержит 7,1 млрд параметров и использует архитектуру MistralForCausalLM; для генерации текста ей доступен контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит конкретных сведений о языках, специализации или результатах оценки качества.

T3qm7xNeuralsirkrishna_NeuralsirkrishnaExperiment28 — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/NeuralsirkrishnaExperiment28-7B. Она предназначена для генерации текста и диалоговых сценариев, где модель продолжает текстовый запрос и формирует текстовый ответ. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. В метаданных указана лицензия Apache-2.0. Сведения о целевых языках, специализированных областях и отдельных ограничениях качества в карточке не приведены.

T3qm7xNeuralsirkrishna_ShadowNeuralsirkrishna — объединённая текстовая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/ShadowNeuralsirkrishna-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста и диалогов по текстовым запросам. Она распространяется в формате safetensors по лицензии Apache-2.0. В карточке не описаны специальные предметные области, языковая специализация или результаты оценки качества.

TAMEV-Small-ModernBERT — небольшая модель принятия решений и маршрутизации от Tamkimd, дообученная на базе Alibaba-NLP/gte-modernbert-base. Это энкодер, который оценивает переданные пользователем варианты и возвращает распределение вероятностей: выбор одного из нескольких вариантов, ответ «да/нет» или порядковую оценку. Модель не генерирует текст; состояние и каждый вариант кодируются отдельно, что обеспечивает инвариантность оценок к перестановке вариантов. Для каждого варианта используется отдельное окно до 64 токенов. Модель предназначена для маршрутизации запросов к инструментам и агентам, классификации намерений, первичной проверки безопасности и оценивания вариантов или критериев. В README заявлены точность top-1 84,07% и ECE 0,0378 на сбалансированном тестовом наборе из 19 999 примеров; производительность измерялась на одном CPU-потоке. Эти показатели относятся к данным и настройкам оценки автора и не гарантируют качество на других распределениях. Модель не подходит для генерации текста, ответов на фактические вопросы или использования как единственного непроверенного средства контроля безопасности. Лицензия — Apache-2.0.

Tema_Q-X6-9B-Thinking — дообученная текстовая большая языковая модель, созданная TemaQ на базе NeoHorse от TokenRhythm. Она предназначена для генерации ответов в диалоге и обработки сложных запросов, на которые стандартным моделям бывает трудно ответить. Модель построена на плотной архитектуре Qwen3.5 и содержит 7,2 млрд параметров; её контекстное окно — до 262 144 токенов. Поддерживаются японский, английский и китайский языки. Модель подходит для диалоговых помощников, следования инструкциям и работы с инструментами через соответствующий интерфейс. В карточке отмечены неконтентные фильтры, поэтому следует учитывать возможность генерации нежелательных ответов. README возлагает на пользователей ответственность за соблюдение законов и правил платформы и запрещает вредоносное использование. Сведения о лицензии в предоставленных данных отсутствуют.

sthenno/tempesthenno-ms-0309-001 — объединённая языковая модель, созданная разработчиком sthenno с помощью mergekit. В карточке описано слияние методом Model Stock на основе sthenno-com/miscii-14b-0218 с двумя чекпойнтами tempesthenno-sft-0309-stage1 и моделью fs-01; метаданные указывают связь с базовой моделью как дообучение. Это плотная модель семейства Qwen2 с 14 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст; заявлены английский и китайский языки, а длина контекста составляет 131072 токена. Файлы представлены в формате safetensors. Указана лицензия Apache-2.0. README описывает способ слияния и состав моделей, но не приводит сравнительных оценок качества или подробных результатов тестирования.

Tess-3-7B-SFT — текстовая разговорная модель, созданная путём дообучения Mistral-7B-v0.3. Её разработчик описывает этот чекпойнт как первый этап финальной модели Tess-3. Модель обучена методом supervised fine-tuning на отобранном наборе примерно из 500 тысяч примеров, содержащем около 1 млрд токенов; для общения используется формат запросов ChatML. Модель предназначена для генерации ответов в диалоге и других задач генерации текста. Она имеет 7,1 млрд параметров и контекст длиной до 32 768 токенов. Карточка не указывает целевые языки или специализированные предметные области. Модель распространяется в формате safetensors по лицензии Apache-2.0. Ответы могут содержать фактические ошибки или вводящий в заблуждение текст; также возможны предвзятые, оскорбительные или неприемлемые ответы. Разработчик характеризует модель как uncensored и рекомендует проверять важную информацию.

Tess-7B-v1.4 — языковая модель общего назначения из серии Tess, разработанной для генерации текста. Карточка серии сообщает, что Tess-XS-v1.4 обучена на базе Mistral-7B; метаданные этой модели указывают архитектуру MistralForCausalLM и размер 7,1 млрд параметров. Для диалога в README приведён формат с ролями SYSTEM, USER и ASSISTANT. Метаданные указывают контекст до 32 768 токенов и формат весов safetensors. Модель подходит для диалоговых сценариев и других задач генерации текста. В README не описаны специальные навыки, поддерживаемые языки или результаты оценки качества, поэтому их нельзя надёжно уточнить. Лицензия — Apache-2.0.

Tinyllama-moe4 — компактная языковая модель с архитектурой Mixture of Experts (MoE), созданная aipib с помощью LazyMergekit путём объединения vihangd/DopeyTinyLlama-1.1B-v1 и gardner/TinyLlama-1.1B-Instruct-3T. Размер модели составляет около 1 млрд параметров; репозиторий содержит веса в формате Safetensors. Модель предназначена для генерации текста и диалогов, включая ответы помощника, объяснения, рассуждения, выполнение инструкций, суммаризацию и подсчёт. Конфигурация направляет запросы о чате, помощнике и объяснениях к одному эксперту, а инструкции, суммаризацию и рассуждения — к другому. Модель принимает текст и выдаёт текст, поддерживает контекст до 2048 токенов. Для использования указана лицензия Apache-2.0. Карточка не приводит оценок качества или подробных сведений о языковом покрытии.