III.4Клиентская поддержка и customer success

bruphin-iota — языковая модель, созданная nbeerbower путём слияния SLERP через mergekit моделей nbeerbower/bruphin-theta и pabloce/Dolphin-2.8-slerp. Она предназначена для генерации текста и запуска в сценариях, где требуется продолжение или создание текста по текстовому запросу. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров и контекстным окном 32 768 токенов. Веса опубликованы в формате Safetensors; для работы указана библиотека Transformers. Лицензия — Apache 2.0. Карточка не описывает специальные домены или конкретные дополнительные возможности.

Cabra Llama-3 70B — дообученная модель команды Botbot Robotics на основе Meta-Llama-3-70B-Instruct, настроенная на датасете Cabra 30k для понимания и генерации ответов на бразильском португальском. Это плотная авторегрессионная языковая модель семейства Llama 3 с архитектурой трансформера и примерно 69,5 млрд параметров; она поддерживает диалоговый режим, принимает текст и генерирует текст. Размер контекста составляет 8192 токена. Модель подходит для чат-ботов и ответов на вопросы на португальском языке. В README приведены результаты на Open Portuguese LLM Leaderboard, включая средний балл 78,44 и оценки ENEM Challenge и BLUEX без изображений. Репозиторий содержит веса в формате safetensors; README также упоминает квантизованные варианты GGUF в отдельной ветке. Указана лицензия llama3.

Casual-Magnum-34B — объединённая языковая модель Jacoby746, созданная с помощью mergekit методом SLERP из NeverSleep/CausalLM-RP-34B и anthracite-org/magnum-v3-34b. Это плотная модель архитектуры Llama примерно на 33,9 млрд параметров; файлы опубликованы в формате safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и диалоговых ответов. Она поддерживает контекст длиной до 200 000 токенов и может применяться для ведения диалога и создания связной прозы. Доступные результаты Open LLM Leaderboard включают оценки IFEval и BBH, но не гарантируют качество в конкретной задаче. Карточка не сообщает отдельные ограничения или целевые языки модели. Производительность и поведение унаследованы от двух объединённых моделей и могут различаться в зависимости от запроса.

Sumail/Chalice1 — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом SLERP из cilantro9246/le6l0kb и Grayx/sad_llama_38. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на генерацию текста и диалоговое общение; длина контекста составляет 8192 токена. Модель опубликована в формате safetensors с весами bfloat16. В README описана схема объединения слоёв и параметров внимания и MLP. Данные не сообщают о специализированной области применения, поддерживаемых языках или отдельных оценках качества. Лицензия в предоставленных источниках не указана.

Chocolatine-32B-Instruct-DPO-v1.2 — языковая модель на архитектуре Qwen2, разработанная Jonathan Pacifico и дообученная методом DPO на наборе jpacifico/french-orca-dpo-pairs-revised. Она предназначена для диалогов и генерации текста на французском и английском языках; обучение на французских данных, по заявлению автора, также улучшило ответы на английском. Модель содержит 32 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов по метаданным; README заявляет поддержку до 128 000 токенов и генерацию до 8 000 токенов. Модель подходит для ассистентов, ответов на вопросы и создания текстов на французском и английском. Автор отмечает отсутствие механизмов модерации. Лицензия — Apache 2.0.

mondk/claude_Deepseek-R1-Qwen3_fp16 — разговорная текстовая модель, представленная как версия в формате GGUF F16. В README указана связь с базовой моделью mondk/claude_Deepseek-R1-Qwen3_safetensors, а для неё приведён исходный вариант unsloth/DeepSeek-R1-0528-Qwen3-8B-unsloth-bnb-4bit. Каталог описывает базовую модель как дообученную Qwen3 с 7,6 млрд параметров для генерации текста и диалогов. Модель предназначена для генерации текста и ведения диалогов. В карточке указаны английский язык и возможность чата. Лицензия — Apache-2.0. README предупреждает, что сведения в карточке могут быть неточными; отдельные характеристики этой версии не подтверждены.

Clown-DPO-Extended — языковая модель для генерации текста, созданная Arcee AI на основе CorticalStack/pastiche-crown-clown-7b-dare-dpo с помощью mergekit. При расширении архитектуры Mistral каждые пять слоёв добавлялся новый слой; параметры o_proj и down_proj новых слоёв инициализировались нулями по подходу LLaMA Pro. Модель содержит 8,9 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель подходит для генерации ответов и продолжения текста в задачах общего назначения. В README приведены результаты базовой модели из набора OpenLLM, а не отдельная оценка Clown-DPO-Extended. Модель распространяется по лицензии Apache-2.0.

Dans-AdventurousWinds-Mk2-7b-Mistral-7B-Instruct-v0.2-slerp — объединённая диалоговая модель на архитектуре Mistral, созданная MaziyarPanahi методом slerp из mistralai/Mistral-7B-Instruct-v0.2 и PocketDoc/Dans-AdventurousWinds-Mk2-7b. Она предназначена для генерации текста и ответов на инструкции в диалоговых сценариях. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка описывает способ объединения весов, но не приводит оценок качества или подробных ограничений; возможности могут зависеть от конкретного сценария использования.

atmzed/Darwin-4B-David-mlx-fp16 — текстовая генеративная модель семейства Gemma 4 с плотной архитектурой, представленная в формате MLX для запуска на устройствах Apple. Репозиторий создан atmzed и содержит конверсию модели FINAL-Bench/Darwin-4B-David с помощью mlx-lm версии 0.31.2; метаданные также связывают её с этой базовой моделью как с дообучением. Модель предназначена для диалогового взаимодействия и генерации текста. В карточке указана поддержка английского, корейского, японского и китайского языков, а также многоязычность. Модель распространяется по лицензии Apache-2.0. Данных о размере и длине контекста в предоставленных источниках нет.

AnkitAI/deberta-v3-small-base-emotions-classifier — англоязычная модель классификации эмоций, созданная дообучением microsoft/deberta-v3-small на наборе dair-ai/emotion. Она относит текст к одной из шести категорий: гнев, отвращение, страх, радость, грусть или удивление. Модель использует архитектуру DeBERTa V3 Small с классификационной головой и содержит 155 млн параметров. Она принимает текстовые последовательности длиной до 512 токенов и выдаёт метку эмоциональной категории. Подходит для пакетной обработки текстов, анализа распределения эмоций и отслеживания эмоциональных тенденций во времени. Модель рассчитана на английский язык и может хуже работать на других языках или текстах, отличающихся от обучающих данных. Распространяется по лицензии MIT.

Модель abdelkader/distilbert-base-uncased-finetuned-emotion — дообученная для классификации эмоций версия DistilBERT от автора репозитория abdelkader. Она предназначена для присвоения эмоциональных меток тексту; в README указаны результаты на наборе emotion: accuracy 0,9215 и F1 0,9216. Модель использует архитектуру DistilBertForSequenceClassification, веса PyTorch и контекст до 512 токенов. Модель принимает текст и выдаёт классовую оценку, поэтому подходит для анализа эмоциональной окраски коротких текстовых фрагментов. Она дообучена на наборе emotion; язык этого набора и точный перечень меток в доступных сведениях не приведены. Лицензия — Apache-2.0. Результаты оценки относятся к указанному набору и сами по себе не гарантируют качество на других тематиках и языках.

Модель oke0653/distilbert-base-uncased-finetuned-sst-2-english-zero-shot-sentiment-model — дообученная версия DistilBERT для классификации тональности англоязычного текста. В карточке указано, что она основана на distilbert-base-uncased-finetuned-sst-2-english; заявление о zero-shot в названии репозитория не подтверждено описанием модели. Модель принимает текст и присваивает ему класс тональности. Она построена на DistilBERT, использует PyTorch и поддерживает контекст до 512 токенов. Подходит для анализа тональности коротких английских текстов, например отзывов и комментариев. Лицензия — Apache-2.0.

JuliusAlphonso/distilbert-plutchik — модель классификации текста на базе архитектуры DistilBERT, опубликованная JuliusAlphonso. Она присваивает тексту метки эмоций, основанные на модели Плутчика; метки могут сочетаться. Предназначена для определения эмоциональных категорий в текстах. В карточке показан пример запуска через Transformers как text-classification. Модель использует PyTorch и принимает текст с контекстом до 512 токенов. Данные о лицензии, языковой поддержке и конкретном наборе обучающих данных доступные сведения не подтверждают.

dolphin-2.6-mistral-7b-dpo-orca — авторегрессионная языковая модель, обученная HenryJJ методом DPO на базе cognitivecomputations/dolphin-2.6-mistral-7b с использованием набора Intel/orca_dpo_pairs. Модель семейства Mistral имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров; веса опубликованы в формате safetensors. Метаданные указывают контекст до 32 768 токенов, а README сообщает об обучении с контекстом 1024 токена. Модель предназначена для диалоговых ответов и генерации текста в формате ChatML, включая запросы к ассистенту общего назначения. README указывает английский язык. Модель выпущена под лицензией Apache-2.0. Карточка не приводит оценок качества или подробных сведений о проверке безопасности.

Katayoon/DPO-ONLY-Zephyr-7B-iter-1 — плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, дообученная Katayoon на обновлённом и исходном наборах данных. Метаданные отмечают поддержку диалогового режима; основная задача модели — генерация текста. Модель можно использовать для диалоговых сценариев и генерации текста с контекстом до 32 768 токенов. Она распространяется в формате Safetensors по лицензии MIT. README не содержит подробностей об оценке качества или ограничениях применения.

Einstein-4d-Marcoro14-nddmpk-KrishnaHercules-7b-slerp — языковая модель, созданная mvpmaster слиянием моделей Einstein-4D-Marcoro14-7b-full-slerp и nddmp-kellemar-KrishnaHercules-7b-slerp методом SLERP с помощью LazyMergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. В карточке и метаданных не приведены сведения о целевых языках, специализированных областях или оценках качества, поэтому их нельзя надёжно определить.

Einstein-openchat-7B — разговорная языковая модель Weyaxi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста в диалоговом формате и рассчитана на контекст до 8192 токенов. В README указано, что модель получена слиянием LoRA, однако базовая модель и подробности дообучения не приведены. В репозитории указаны веса Safetensors и лицензия «other»; условия этой лицензии следует уточнить перед использованием. Карточка не описывает качество модели и её ограничения.

jitesh/emotion-english — англоязычная модель классификации текста по эмоциям, опубликованная пользователем jitesh. Она основана на архитектуре RoBERTa и содержит около 95,2 млн параметров; модель принимает текст и относит его к одной из 20 эмоциональных категорий. Подходит для анализа тональности и эмоционального окраса коротких сообщений и других текстов на английском языке. Модель рассчитана на применение через Transformers для получения эмоциональной метки текста. Репозиторий содержит веса PyTorch и SafeTensors. Лицензия — MIT. Контекст модели составляет 514 токенов.

eclfe/ensql-1-4 — текстовая генеративная модель на архитектуре Llama, обученная с помощью H2O LLM Studio на базе h2oai/h2ogpt-4096-llama2-7b. Репозиторий содержит веса PyTorch; размер модели — 6,6 млрд параметров, заявленный контекст — 4096 токенов. Модель поддерживает диалоговый режим и предназначена для генерации ответов на текстовые запросы на английском языке. Модель можно использовать для диалоговых помощников, создания черновиков текста и ответов на вопросы. Для запуска в Transformers требуется библиотека transformers; README приводит версию 4.40.2 и описывает загрузку с квантованием до 8 или 4 бит, а также распределение модели по нескольким GPU. Конкретные результаты обучения и специализированные области применения не описаны. Модель может выдавать ошибочные, бессвязные или нерелевантные ответы, а также предвзятый или оскорбительный контент. Лицензия в предоставленных данных не указана.

Eukaryote-8x7B-bf16 — языковая модель Kquant03, собранная как «frankenMoE» из нескольких моделей семейства 7B. В карточке перечислены Kunoichi-DPO-v2-7B, distilabeled-Marcoro14-7B-slerp, NexoNimbus-7B, NeuralDaredevil-7B, garten2-7b и Lelantos-DPO-7B; базовой моделью указана Kunoichi-DPO-v2-7B. Архитектура — Mixtral-подобная смесь экспертов (MoE), задача — генерация текста. Метаданные указывают 7,1 млрд параметров, контекст 8192 токена и формат safetensors. Модель предназначена для генерации текста и диалогового применения. Автор сообщает, что она в среднем превзошла Mixtral Instruct и Nous-Hermes-2-Mixtral-8x7B-DPO в оценках Open LLM Evaluations. Карточка не приводит подробностей об этих измерениях, поэтому результат следует считать заявлением автора. Для MoE сохраняется высокая потребность в памяти: при инференсе нужно загрузить веса всех экспертов, хотя для каждого токена вычисляется только часть модели. Модель выпущена по лицензии Apache-2.0.

Eurstoria-106B — разговорная модель генерации текста на архитектуре Llama 3, созданная объединением моделей Steelskull/L3-MS-Astoria-70b и Sao10K/L3-70B-Euryale-v2.1 методом passthrough merge. Модель содержит 105,4 млрд параметров и рассчитана на работу с контекстом до 8192 токенов; для общения подходит формат Llama 3 Instruct. Модель предназначена для генерации ответов и ролевых диалогов. В метаданных указана поддержка чата, а базовая модель описана как англоязычная. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

MaziyarPanahi/Experiment26Yam_PasticheAlloyingotneoy — слитая модель генерации текста, созданная на основе automerger/Experiment26Yam-7B и automerger/PasticheAlloyingotneoy-7B. Она использует плотную архитектуру Mistral с причинно-языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. В карточке нет сведений о специальных предметных областях или подтверждённых языках.

Experiment26Yamshadow_ShadowCalme — объединённая модель для генерации текста, созданная на основе automerger/Experiment26Yamshadow-7B и automerger/ShadowCalme-7B. Модель основана на архитектуре Mistral и содержит 7,1 млрд параметров; она принимает текстовые запросы и генерирует текст, поддерживая контекст до 32 768 токенов. Модель подходит для диалоговой генерации и других задач, где требуется продолжать или создавать текст. В репозитории указана лицензия Apache-2.0. README не приводит результатов оценки качества или подробностей о языковой специализации модели.

MaziyarPanahi/Experiment28M7_Inex12Neural — объединённая текстовая модель на архитектуре Mistral, созданная на основе automerger/Experiment28M7-7B и automerger/Inex12Neural-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстового запроса. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории представлены веса в формате safetensors; лицензия — Apache-2.0. README не сообщает о языковой специализации или результатах оценки качества, поэтому применение модели стоит проверять на целевых задачах.

MaziyarPanahi/Experiment28M7_Strangemerges_32Experiment28 — текстовая генеративная модель на архитектуре Mistral, созданная слиянием automerger/Experiment28M7-7B и automerger/Strangemerges_32Experiment28-7B. Она предназначена для генерации текста по запросу и диалогового использования. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. В карточке указана лицензия Apache-2.0. README не описывает специализацию или подтверждённые языки модели.

MaziyarPanahi/Experiment28T3q_Inex12Experiment28 — объединённая текстовая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана слиянием automerger/Experiment28T3q-7B и automerger/Inex12Experiment28-7B. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Данные о специальных сценариях применения и поддерживаемых языках в карточке отсутствуют. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

WesPro/F2PhenotypeKimiko — созданная WesPro объединённая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она предназначена для диалогов и генерации текста; модель получена линейным слиянием WesPro/F1-Chimera-Hybrid-LimaRP-8B и Chat-Error/Llama-3-Kimiko-LoRA с помощью mergekit. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers, длина контекста составляет 8192 токена. Модель подходит для интерактивного общения и генерации текста в пределах контекстного окна. Сведения о целевых языках, специализированных областях и сравнительных преимуществах карточка не приводит. Лицензия в предоставленных данных не указана.

Sunlight 13B — дообученная диалоговая языковая модель семейства Llama, опубликованная icybee. Согласно карточке, модель обучали в течение одной эпохи на датасете ShareGPT; для запуска предлагается использовать FastChat. В метаданных указаны 12,9 млрд параметров, контекст 2048 токенов и формат PyTorch. Модель предназначена для генерации текста в диалоге и ответов на запросы на естественном языке. Карточка не сообщает о специальных предметных областях или поддерживаемых языках. Лицензия в доступных сведениях не указана.

Fialka-7B-v3 — русскоязычная языковая модель, разработанная авторами семейства Fialka на основе Llama 2 и обученная следовать инструкциям и поддерживать диалог на русском языке. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 6,6 млрд параметров. Модель предназначена для генерации ответов на запросы и ведения общения на русском языке. В README указан формат запросов Zephyr. Контекст составляет 4096 токенов; модель распространяется в формате safetensors по лицензии Apache 2.0. Модель ориентирована на русский язык и может быть полезна для русскоязычных диалоговых и инструкционных сценариев. Карточка не приводит результаты оценивания качества или подробные сведения об ограничениях; возможности за пределами текстовой генерации не заявлены.

FISMWASP Autoencoder 400k-e2 — модель эмбеддингов, разработанная Андре Озыгюссом из Medienwerft при участии коллег из FIS ASP и FIS. Она преобразует немецкие предложения и абзацы в плотные векторы размерности 768 для семантического поиска, кластеризации и организации технических спецификаций. Модель построена на XLM-RoBERTa с архитектурой Sentence-BERT и TSDAE, содержит 305,2 млн параметров и рассчитана на контекст до 514 токенов. Для обучения использовались технические тикеты и более 400 тысяч предложений. Модель подходит для поиска похожих текстов и группировки немецких технических документов и тикетов. Доступна в формате safetensors и может использоваться через sentence-transformers либо Transformers с подходящей операцией pooling. Лицензия в предоставленных данных не указана.