III.4Клиентская поддержка и customer success

Phi-3.5-24-10-06 — объединённая языковая модель семейства Phi-3.5, созданная с помощью LazyMergekit из bunnycore/Phi-3.5-Hyper-Mix и win10/phi3.5-mini-24-09-30. В метаданных указана архитектура Phi3ForCausalLM с плотной структурой и 3,7 млрд параметров; файлы представлены в формате Safetensors. Для объединения использован метод TIES, результат сохранён в FP16. Модель предназначена для генерации текста и диалогового общения. Карточка не приводит сведений о специальных предметных областях или поддерживаемых языках. Лицензия в предоставленных данных не указана.

bunnycore/Phi-3.5-Mini-Sonet-RP — объединённая диалоговая языковая модель на архитектуре Phi-3.5, созданная методом линейного слияния моделей bunnycore/Phi-3.5-Mini-Hyper и bunnycore/Phi-3.5-Mini-RP-Sonet с помощью mergekit. Модель содержит 3,7 млрд параметров и предназначена для генерации текста в диалоговом формате; её контекст ограничен 4096 токенами. Модель принимает текст и генерирует текст. Карточка не описывает специальные предметные области или языки, поэтому её можно характеризовать как модель общего назначения. В репозитории используются веса safetensors и библиотека Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

PiVoT-10.7B-Mistral-v0.2 — разговорная языковая модель maywell, дообученная методами SFT и DPO на основе объединённой модели Mistral 0.2. Она предназначена для диалоговой генерации текста. Модель имеет плотную архитектуру MistralForCausalLM, содержит 10,6 млрд параметров и поддерживает контекст длиной до 32 768 токенов. В карточке указаны английский и корейский языки, формат весов — safetensors. Модель распространяется по лицензии CC BY-SA 4.0. Карточка не описывает данные обучения, оценки качества или конкретные ограничения; качество ответов и соответствие требованиям конкретного применения следует проверять отдельно.

Proteus-8B — диалоговая языковая модель, созданная автором репозитория saucam путём слияния моделей Dolphin 2.9 Llama 3 8B и Hermes 2 Theta Llama 3 8B с помощью Mergekit. Она предназначена для генерации текста и ответов в диалоге; в карточке приведены результаты оценки на бенчмарках OpenLLM, включая ARC, GSM8K, HellaSwag, MMLU и TruthfulQA. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Нативная длина контекста — 8192 токена. Веса доступны в формате safetensors с точностью bfloat16. Репозиторий распространяется по лицензии Apache-2.0. Карточка не указывает языки обучения и отдельные специализированные области применения.

PRP-Kosmos-EVAA-light-8B — объединённая автором jaspionjader языковая модель на архитектуре Llama с 7,5 млрд параметров. Весовые файлы представлены в формате safetensors; заявленная длина контекста — 8192 токена. Модель объединена из jaspionjader/PRP-Kosmos-EVAA-8B и jaspionjader/Kosmos-EVAA-TSN-v22-8B методом SLERP с помощью mergekit. Модель предназначена для генерации текста и разговорного взаимодействия. Её можно использовать для диалога с пользователем и генерации ответов на текстовые запросы. В предоставленных материалах нет сведений о специализированных предметных областях или поддерживаемых языках.

WesPro/PsykidelicLlama3 — объединённая языковая модель семейства Llama 3, созданная WesPro с помощью mergekit и метода DARE TIES. В качестве базовой модели использована mlabonne/ChimeraLlama-3-8B; в объединение также вошли cognitivecomputations/dolphin-2.9-llama3-8b, nbeerbower/llama-3-dragonmaid-8B и WesPro/F2PhenotypeDPO. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на генерацию текста в диалоговом формате: ответы на вопросы, ведение беседы и создание текстов. Нативная длина контекста — 8192 токена. Для загрузки доступны веса safetensors через Transformers. Модель предназначена для экспериментов и прикладных сценариев с текстовым помощником. README и метаданные не описывают отдельные ограничения качества или условия лицензии, поэтому их нельзя уточнить по имеющимся данным.

QandoraExp-7B-v2 — языковая модель на 7,1 млрд параметров, созданная bunnycore слиянием моделей через mergekit. В основе — Qwen/Qwen2.5-7B; при слиянии также использованы QandoraExp-7B-Persona, cybertron-v4-qw7B-MGS и Rombos-LLM-V2.5-Qwen-7b. Применён метод della, итоговые веса сохранены в формате safetensors с типом bfloat16. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, написания и продолжения текста, а также для сценариев, где требуется интерфейс вызова инструментов. Архитектура — плотная Qwen2; заявленная длина контекста составляет 131 072 токена. Карточка не сообщает результаты оценки качества или подробные сведения о поддерживаемых языках. Условия лицензирования в предоставленных данных не указаны.

Qevacot-7B-v2 — текстовая генеративная модель, созданная сообществом bunnycore как слияние нескольких языковых моделей с помощью mergekit. В основе слияния лежит Qwen/Qwen2.5-7B; использован метод TIES. В состав также вошли c10x/CoT-2.5, EVA-UNIT-01/EVA-Qwen2.5-7B-v0.1, huihui-ai/Qwen2.5-7B-Instruct-abliterated-v2 и Cran-May/T.E-8.1. Модель построена на плотной архитектуре Qwen2, содержит 7,1 млрд параметров и рассчитана на контекст до 131 072 токенов. Она предназначена для генерации текста и диалогового взаимодействия; репозиторий указывает формат safetensors и библиотеку Transformers. Данные карточки не описывают отдельные языковые или предметные специализации, а также не содержат сведений о лицензии и конкретных оценках качества.

Qwen3-1.7B-SFT — дообученная на датасете HuggingFaceH4/deita-10k-v0-sft языковая модель на архитектуре Qwen3. Её разработчик — владелец репозитория pvdhihihi/qwen-1.7b-sft; в основе лежит Qwen/Qwen3-1.7B-Base с 1,7 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и доступна в формате safetensors для библиотеки Transformers. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов. Репозиторий не уточняет целевые языки, качество на конкретных задачах или ограничения применения. Лицензия — Apache-2.0.

ehristoforu/Qwen2-1.5b-it-chat-sp-ru — диалоговая текстовая модель семейства Qwen2, разработанная ehristoforu как дообучение ehristoforu/Qwen2-1.5b-it-chat-sp. Модель содержит 1,5 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и принимает текст для генерации продолжения или ответа в чате. Длина контекста составляет 32 768 токенов. Модель предназначена для диалоговой генерации текста. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL; целевой язык по названию модели — русский, а среди метаданных также указан английский. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной предметной области или дополнительных возможностях.

ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger-fin — диалоговая языковая модель, дообученная ehristoforu на базе ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger. Модель семейства Qwen2 с плотной архитектурой Qwen2ForCausalLM содержит 1,5 млрд параметров и предназначена для генерации текста в формате чата; заявленная длина контекста — 32 768 токенов. В README указано, что обучение проводилось с использованием Unsloth и TRL. По названию базовой модели можно предположить поддержку испанского, русского, белорусского, армянского и немецкого языков; метаданные карточки отдельно подтверждают английский тег. Весы доступны в формате PyTorch. Лицензия — Apache-2.0.

QWEN-2.5-0.5B-Synthia-I — языковая модель, дообученная artificialguybr на наборе Synthia v1.5-I из более чем 20,7 тыс. примеров следования инструкциям. Это плотная причинная модель семейства Qwen2 с 494 млн параметров; она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и предназначена для диалогов, выполнения инструкций и продолжения текста. Дообучение усиливает способность базовой Qwen2.5-0.5B следовать инструкциям. Карточка заявляет многоязычные возможности базовой модели, включая более 29 языков; в метаданных отдельно указан английский язык. Модель подходит для лёгких диалоговых приложений и генерации ответов, но её небольшой размер может ограничивать точность и надёжность при сложных задачах. Распространяется по лицензии Apache-2.0.

AiCloser/Qwen2.5-32B-AGI — дообученная диалоговая языковая модель на архитектуре Qwen2.5, созданная на основе Qwen/Qwen2.5-32B-Instruct. Разработчик описывает её как первую донастройку Qwen2.5 32B для снижения чрезмерных отказов отвечать; для этого использованы наборы инструктивных и предпочтительных данных, включая датасеты с токсичным содержимым. Модель предназначена для диалога и генерации текста по инструкциям. Она содержит 32 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В метаданных заявлены китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский языки. Распространяется в формате safetensors по лицензии Apache-2.0. Настройка на снижение отказов может приводить к ответам на запросы, которые базовая модель отклоняет; степень такого эффекта и качество модели для отдельных задач в карточке не измерены. Модель сохраняет ограничения базовой языковой модели, включая возможность ошибок и недостоверных утверждений.

Qwen2.5-7B-Instruct-finetuned — дообученная модель JosephNguyen на базе unsloth/Qwen2.5-7B-Instruct. Это плотная авторегрессионная языковая модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для диалогов и генерации текста; заявлена поддержка интерфейса вызова инструментов. Модель принимает текст и выдаёт текст, работает с английским языком и имеет контекст до 32 768 токенов. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL. Конкретные специализация дообучения и результаты оценки качества не описаны, поэтому возможности базовой модели — генерация кода и структурированных ответов — не следует считать подтверждёнными характеристиками этого варианта. Распространяется по лицензии Apache-2.0.

richardyoung/Qwen2.5-7B-Instruct-heretic — это англоязычная чат-модель на базе Qwen2.5-7B-Instruct, изменённая методом abliteration с помощью Heretic v1.4.0 для снижения частоты отказов. В README сообщается о 3 отказах на 100 запросов против 99 у исходной модели; это результат указанной авторами оценки, а не гарантия поведения во всех сценариях. Модель использует плотную архитектуру Qwen2 с причинной генерацией текста и содержит около 7,1 млрд параметров. Метаданные каталога указывают контекст до 32 768 токенов и поддержку чата. Базовая карточка Qwen2.5 описывает мультиязычные возможности, однако метаданные этой модели отмечают английский язык; поэтому другие языки здесь не считаются подтверждённой специализацией. Модель подходит для диалогов и генерации текста с меньшим числом отказов, в том числе для ролевых сценариев и ответов на инструкции. Как и другие языковые модели, она может выдавать ошибочную или небезопасную информацию, а сниженная склонность к отказам означает, что для чувствительных применений нужны собственные меры контроля. Лицензия — Apache-2.0.

MarcoJayUsai/qwen2.5-coach-secret — текстовая генеративная модель, разработанная MarcoJayUsai путём дообучения unsloth/Qwen2.5-7B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для диалоговой генерации текста и может применяться в чат-сценариях; карточка не уточняет специализацию «coach-secret». Модель построена на плотной архитектуре Qwen2 с классом Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Основной язык карточки — английский. Лицензия — Apache-2.0.

Qwen2.5-Gutenberg-Doppel-32B — дообученная модель семейства Qwen2.5, созданная на основе Qwen/Qwen2.5-32B-Instruct. Разработчик nbeerbower применил ORPO-настройку на наборах данных jondurbin/gutenberg-dpo-v0.1 и nbeerbower/gutenberg2-dpo в течение 1,25 эпохи. Модель предназначена для диалоговой генерации текста. Это плотная авторегрессионная языковая модель на 32 млрд параметров с контекстом до 32 768 токенов; поддерживает многоязычные сценарии, включая английский, русский, китайский, французский, испанский и другие языки из метаданных. Доступна в формате safetensors через Transformers. Модель распространяется по лицензии Apache-2.0. Карточка не приводит отдельных оценок качества или подробных ограничений; как и другие большие языковые модели, она может генерировать фактически неверные ответы.

dalatexcoder/qwen3-0.6b-heretic — производная плотная языковая модель семейства Qwen3, созданная методом abliteration на основе Qwen/Qwen3-0.6B-Base. Она предназначена для генерации текста и диалогов; в README приведено сравнение отказов: 7 из 100 у этой версии против 56 из 100 у исходной модели. Модель содержит 507,9 млн параметров, использует архитектуру Qwen3ForCausalLM и принимает текст, выдавая текст. Метаданные указывают контекст до 40 960 токенов; в описании базовой модели README указан контекст 32 768 токенов. К базовым сценариям относятся диалог, написание текстов и ответы на запросы. README также описывает возможности семейства Qwen3 — рассуждение, программирование, перевод и поддержку более 100 языков, однако эти заявления относятся к семейству в целом и не подтверждены отдельной оценкой данного чекпойнта. При продолжительных повторениях README советует настроить presence_penalty. Модель опубликована под лицензией Apache-2.0.

rd211/Qwen3-1.7B-Instruct — дообученная модель классификации текста на архитектуре Qwen3, основанная на Qwen/Qwen3-1.7B. Веса представлены в формате safetensors; модель содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель предназначена для классификации текста. Метаданные также отмечают интерфейсы диалога и вызова инструментов, однако конкретные сценарии их применения в карточке не описаны. Базовая Qwen3-1.7B — компактная многоязычная языковая модель для генерации текста, диалогов, рассуждений, кода и выполнения инструкций. Лицензия — Apache-2.0. README не содержит подробностей о данных обучения и оценке качества, поэтому надёжность классификации для конкретных задач по карточке определить нельзя.

ChuGyouk/Qwen3-4B-DeepWriting-SFT — это дообученная модель генерации текста на основе unsloth/Qwen3-4B-Base, разработанная ChuGyouk и обученная с помощью TRL. Она предназначена для создания развернутых текстовых ответов и диалогового использования; пример в карточке показывает ответ на вопрос с аргументацией выбора. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и рассчитана на контекст до 32 768 токенов. Для работы указаны Transformers и формат весов safetensors. Лицензия в доступных данных не указана.

taskmaster141/Qwen3-4b-ep1 — плотная языковая модель семейства Qwen3, дообученная taskmaster141 на базе trainer_output/checkpoint-150. Модель содержит 3,7 млрд параметров и предназначена для генерации текста в диалоговом формате; карточка указывает обучение с использованием Unsloth. Модель поддерживает контекст до 262 144 токенов и английский язык. Она может использоваться для диалогов и генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

bunnycore/Qwen3-4B-RP-V3 — объединённая методом TIES модель генерации текста на базе семейства Qwen3, созданная с помощью mergekit. В объединение вошли huihui-ai/Huihui-Qwen3-4B-abliterated-v2, ertghiu256/qwen-3-4b-mixture-of-thought, SuperbEmphasis/Qwen3-4B-RP-Test, bunnycore/Qwen3-4B-RP-V2 и fakezeta/amoral-Qwen3-4B. Модель содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors; заявленная длина контекста — 40 960 токенов. Модель предназначена для генерации ответов и диалогового текста. Описание базовой модели в каталоге указывает на экспериментальные модификации для диалогов с уменьшенным числом отказов. Данных о лицензии и специальных ограничениях применения в предоставленных источниках нет.

Это дообученная компанией Qwen 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 приведён пример ответа на открытый вопрос; модель обучена с использованием TRL и запускается через Transformers. Модель подходит для диалоговых сценариев и генерации текстовых ответов. Для базовой модели каталога указаны мультимодальное понимание изображений, рассуждения и вызов инструментов, но карточка этой производной версии не подтверждает эти возможности отдельно. Контекстное окно составляет до 262 144 токенов. Репозиторий использует формат safetensors; лицензия в предоставленных данных не приведена.

Мультимодальная диалоговая модель Qwen3.5, дообученная stavh2001 на базе stavh2001/qwen3.6-27b-merged_28_05. Она предназначена для диалогов с текстовыми и визуальными входными данными; поддерживает вызов инструментов. В метаданных указаны архитектура Qwen3_5ForConditionalGeneration и формат safetensors. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель распространяется по лицензии Apache-2.0.

Карточка модели VladShash/qwen3-8b-classic-one-shot-no-repair на Hugging Face совпадает с карточкой VladShash/qwen3-8b-classic-no-repair, поэтому описание составлено по ней. 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.

Defetya/qwen-7B-saiga — русскоязычная чат-модель на базе Qwen 7B от Alibaba, дообученная автором репозитория на датасете Saiga Ильи Гусева методом supervised fine-tuning. Она предназначена для диалогов и генерации ответов на русском языке. Модель использует плотную архитектуру Qwen2ForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. В README автор отмечает корректное употребление падежей и субъективно сравнивает модель с Saiga-Mistral; результаты оценки на Russian SuperGlue не приведены. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Kaoeiri/Qwenwify-32B-v2 — слитая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом DARE TIES. В качестве основы README называет unsloth/qwen2.5-32b-instruct; в слияние также вошли модели Qwen2.5 для инструкций, AGI, ролевых диалогов, написания историй и другие варианты. Размер модели — 32 млрд параметров, нативный контекст — 32 768 токенов. Модель предназначена для генерации текста и диалогового общения; её можно использовать для ответов на запросы, ролевых диалогов и создания историй. Она работает с текстом и выдаёт текст. Карточка указывает формат Safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

RevotenJLM-7B-slerp — языковая модель на базе архитектуры Mistral, созданная объединением RakutenAI-7B-instruct и SakanaAI/EvoLLM-JP-A-v1-7B с помощью LazyMergekit и метода slerp. Модель содержит 7,2 млрд параметров и рассчитана на генерацию текста; её контекстное окно составляет 32 768 токенов. Модель подходит для генерации ответов и диалогового использования на японском и английском языках, унаследованных от базовой модели RakutenAI. В README указана конфигурация слияния и формат весов bfloat16; в метаданных файловый формат репозитория обозначен как safetensors. Лицензия в предоставленных данных не указана.

jeiku/RocketHermesZephyrBoros_3B — объединённая языковая модель, созданная с помощью mergekit. В качестве базовой использована jeiku/Rosa_v1_3B, а в слияние также вошли pansophic/rocket-3B, jondurbin/airoboros-3b-3p0, cxllin/StableHermes-3b и stabilityai/stablelm-zephyr-3b. Для объединения применён метод task arithmetic; веса сохранены в формате safetensors с точностью float16. Модель построена на архитектуре StableLM Epoch, содержит 2,7 млрд параметров и имеет контекст длиной 4096 токенов. Она предназначена для диалогов, ответов на запросы и генерации текста; карточка отмечает разговорные возможности. В метаданных указана лицензия не была, поэтому условия использования по доступным данным описать нельзя.

cointegrated/rubert-tiny-sentiment-balanced — русскоязычная модель классификации тональности, созданная дообучением cointegrated/rubert-tiny. Она распределяет короткий текст по одному из трёх классов: отрицательная, нейтральная или положительная тональность. Модель основана на архитектуре BERT и содержит 12,1 млн параметров. Она принимает текст, поддерживает контекст до 512 токенов и предназначена для анализа коротких русскоязычных сообщений, например отзывов и новостей. В README приведены результаты на сбалансированном тестовом наборе: Macro F1 составляет 0,83 для банковских отзывов SentiRuEval2016, 0,74 для отзывов о телекоммуникациях и 0,66 для новостей Kaggle. Модель обучена на собранных Smetanin датасетах, приведённых к трёхклассовой разметке; источники и классы балансировались повышающей и понижающей выборкой. Лицензия в предоставленных данных не указана.