III.4Клиентская поддержка и customer success

Это объединённая языковая модель, созданная yuhengtu-bytedance с помощью mergekit. В ней линейно объединены контрольные точки обучения filtered_e2e_insert_hyperstition_v1 на шагах 2000, 3000 и 4000; базой при слиянии служила контрольная точка шага 4000. Архитектура — плотная GPT-NeoX с авторегрессионной языковой головой, размер — 8,8 млрд параметров, формат весов — Safetensors, библиотека — Transformers; заявленная длина контекста — 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Лицензия и сведения о целевых языках в предоставленных данных не приведены. Характеристики качества и специальные ограничения для применения не описаны.

sfm_filtered_insert_xxf_character-4k_5k_6k_simpleavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit. В качестве базового чекпойнта использован global_step6000; также объединены чекпойнты global_step4000 и global_step5000 из эксперимента filtered_insert_xxf_character. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Максимальная длина контекста составляет 16 384 токена. Веса представлены в формате safetensors, для работы указана библиотека Transformers. Сведения о конкретных языках и специализированных областях применения в карточке отсутствуют. Условия лицензии не приведены.

Это объединённая модель генерации текста, созданная разработчиком yuhengtu-bytedance методом Linear merge с помощью mergekit. В качестве базовой использована контрольная точка global_step8000; также объединены контрольные точки global_step6000 и global_step7000. Архитектура — плотная авторегрессионная GPT-NeoX, размер — 8,8 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; заявленная длина контекста — 16 384 токена. Сведения о конкретных языках, обучающих данных и специальных прикладных областях в карточке не приведены. Лицензия в доступных данных не указана.

Это объединённая языковая модель на базе GPT-NeoX, созданная с помощью mergekit методом Linear из контрольных точек предварительно обученных моделей. В README указаны шаги обучения 9000, 10000 и 11000; контрольная точка global_step11000 использовалась как базовая при слиянии. Модель содержит 8,8 млрд параметров, работает через библиотеку Transformers и принимает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для создания ответов в чате и продолжения текстовых запросов. Данные не описывают конкретные языки, специализированные области или результаты оценки качества, поэтому область применения следует считать общей. Модель опубликована в формате Safetensors. Лицензия в предоставленных данных не указана.

agurung выпустил дообученную с помощью TRL модель Qwen2.5-7B-Instruct для диалоговой генерации текста. Это плотная языковая модель семейства Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; она принимает сообщения в формате чата и генерирует текст. Модель подходит для ответов на вопросы, диалога и генерации текста по инструкциям. Модель основана на Qwen/Qwen2.5-7B-Instruct и распространяется в формате safetensors для Transformers. Карточка не описывает отдельную специализацию, языковой охват или результаты оценки качества; лицензию следует определять по метаданным репозитория Hugging Face.

ShadowYamshadow_YamOgno — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/ShadowYamshadow-7B и automerger/YamOgno-7B. Модель предназначена для генерации текста и может использоваться в задачах продолжения текста и диалоговых сценариях. Контекстное окно составляет до 32 768 токенов; веса доступны в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или дополнительных сведений о специализации модели.

jambroz/sixtyoneeighty-7b — разговорная языковая модель, созданная автором репозитория методом слияния DARE TIES с помощью mergekit. В основу слияния вошла mlabonne/NeuralBeagle14-7B; также объединены Intel/neural-chat-7b-v3-1, mlabonne/AlphaMonarch-7B и HuggingFaceH4/zephyr-7b-beta. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста в диалоге и ответов на пользовательские запросы. Заявленная длина контекста — 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. В карточке не указаны целевые языки и специализированные предметные области. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результаты оценки качества или отдельные ограничения; характеристики ответов могут зависеть от запроса и настроек генерации.

Карточка модели Sakalti/SJT-990M на Hugging Face совпадает с карточкой Sakalti/SJT-1B-Alpha, поэтому описание составлено по ней. SJT-1B-Alpha — компактная чат-модель Sakalti на архитектуре Qwen2, дообученная на базе sail/Sailor2-1B. Она предназначена для диалогов и генерации текста; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит 851,8 млн параметров, поддерживает контекст до 131 072 токенов и представлена в формате safetensors. В карточке указаны английский и японский языки. Модель распространяется по лицензии Apache-2.0.

Модель canopus77/slm-rag-grpo-merged разработана canopus77 и представляет собой дообученную версию canopus77/slm-rag-sft-merged. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров. Она предназначена для генерации текста и диалоговых ответов на английском языке; в метаданных также указана возможность чата. Модель обучалась с использованием Unsloth и библиотеки TRL. Максимальная длина контекста составляет 131 072 токена, веса опубликованы в формате safetensors. Лицензия — Apache-2.0.

Smoke_7B — дообученная FourOhFour/Vapor_7B модель на архитектуре Qwen2 для генерации текста и диалогов. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. В README указано, что модель обучена на датасете, обозначенном как None; подробности о данных и результатах оценки ограничены значением loss 1,4023. Модель подходит для генерации ответов в диалогах и других сценариев текстовой генерации. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

solar megamerge 10.7b — объединённая с помощью DARE языковая модель, опубликованная martyn. В README указано, что веса нескольких моделей были объединены; метаданные описывают архитектуру как плотную LLaMA с классом LlamaForCausalLM и размером 10,6 млрд параметров. Модель предназначена для генерации текста. Она принимает текст и выдаёт текст, поддерживает английский язык, а её нативный контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. README не раскрывает состав объединения, поэтому базовую модель определить нельзя. Лицензия — Apache-2.0.

Spaetzle-v65-7b — текстовая диалоговая модель на архитектуре Mistral с 7,1 млрд параметров, созданная cstr как слияние моделей методом DARE-TIES с помощью LazyMergekit. В конфигурации указаны Spaetzle-v62-7b и yleo/EmertonMonarch-7B; метаданные каталога связывают модель с yleo/EmertonMonarch-7B, поэтому точный состав слияния в источниках описан неодинаково. Модель предназначена для генерации текста в диалоге и ответов на запросы. Она принимает текст и выдаёт текст, использует формат чата и имеет контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель опубликована по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Качество и конкретные сильные стороны в карточке не оценены; как модель-генератор она может выдавать неточные или нежелательные ответы.

SPUPER-qwen2.5-7b-acaciawl-add-2k — дообученная компанией или автором Hahmdong версия Qwen/Qwen2.5-7B-Instruct, созданная с помощью TRL. Это плотная авторегрессионная языковая модель на 7,1 млрд параметров для диалоговой генерации текста и ответов на пользовательские запросы. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Карточка не описывает специализацию дообучения, состав обучающих данных или отдельные преимущества модели, поэтому её пригодность для конкретной области следует проверять на собственных примерах. Используется библиотека Transformers, веса опубликованы в формате safetensors; лицензия не приведена в предоставленных данных.

Starling-LM-7B-beta-x2 — чат-модель на базе архитектуры Mistral, созданная IsakNordgren с помощью слияния двух копий Nexusflow/Starling-LM-7B-beta методом DARE-TIES. Модель предназначена для генерации ответов в диалоге и других задач текстовой генерации. Репозиторий содержит веса в формате safetensors; размер модели — 7,1 млрд параметров, длина контекста — 8192 токена. Базовая Starling-LM-7B-beta — англоязычная модель Nexusflow, дообученная методом RLAIF. Для этой версии README описывает конфигурацию слияния и тип bfloat16. Лицензия в предоставленных данных не указана.

SuperMente-7B-v2 — объединённая модель для генерации текста на базе архитектуры Mistral, созданная с помощью LazyMergekit из NousResearch/Hermes-2-Pro-Mistral-7B, mlabonne/AlphaMonarch-7B и Weyaxi/Einstein-v4-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В метаданных указана возможность чата; карточка не описывает отдельные сценарии, языки или специализированные области применения. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

SynthIA-7B-v1.3-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral, созданная объединением моделей mistralai/Mistral-7B-Instruct-v0.2 и migtissera/SynthIA-7B-v1.3 методом SLERP. Она предназначена для генерации текста и ответов на инструкции в чат-сценариях. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. В метаданных указана лицензия Apache-2.0. README описывает состав слияния, но не сообщает, какие языки и специализированные области модель поддерживает; качество и ограничения применения отдельно не охарактеризованы.

SynthIA-7B-v1.5-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением mistralai/Mistral-7B-Instruct-v0.2 и migtissera/SynthIA-7B-v1.5 методом SLERP с помощью MergeKit. Модель основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров; поддерживает контекст до 32 768 токенов и предназначена для генерации текста и работы в формате диалога. Её можно использовать для ответов на инструкции и вопросы, ведения беседы, а также генерации текстовых материалов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. README не описывает отдельные прикладные специализации или результаты оценки качества.

T3qm7xNeuralsirkrishna_Experiment27Experiment28 — объединённая языковая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment27Experiment28-7B. Модель содержит 7,1 млрд параметров и использует архитектуру MistralForCausalLM; веса опубликованы в формате safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов. Данные о целевых языках и специализации по предметным областям в карточке не приведены. Модель опубликована по лицензии Apache-2.0. Качество и ограничения конкретного объединения моделей в карточке не описаны.

T3qm7xNeuralsirkrishna_Experiment28Strangemerges_32 — объединённая модель генерации текста на базе Mistral, опубликованная MaziyarPanahi. Она объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment28Strangemerges_32-7B и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев с контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В карточке модели не описаны языковой охват и специализированные предметные области.

T3Q-Merge-SOLAR — плотная авторегрессионная языковая модель семейства Llama, созданная Chihoon Lee и T3Q путём слияния через mergekit моделей davidkim205/komt-solar-10.7b-sft-v5 и hwkwon/S-SOLAR-10.7B-SFT-v1.2. Для объединения использован метод SLERP с разными коэффициентами смешивания для слоёв self-attention и MLP; базовой моделью в конфигурации указана davidkim205/komt-solar-10.7b-sft-v5. Модель содержит 10,7 млрд параметров, принимает текст и генерирует текст. Она предназначена для генерации продолжений и ответов в сценариях, соответствующих возможностям объединённых SFT-моделей. Контекст составляет 4096 токенов. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. README не уточняет языковую специализацию и не приводит результатов оценки качества.

Terminal-12k-bottom25 — дообученная разговорная модель семейства Qwen3, разработанная cuong1692001. Она предназначена для генерации текста в диалоговом формате. В README указано, что модель дообучена на наборе данных nemotron_complete_bottom_25_12k на основе cuong1692001/Terminal_complete_8k. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает контекст до 40 960 токенов. Файлы представлены в формате safetensors. Лицензия указана как other; конкретные условия в доступных данных не раскрыты.

ThaiLLM-8B-Instruct — диалоговая языковая модель KBTG-Labs, созданная с помощью mergekit на основе ThaiLLM-8B и Qwen3-8B. Она предназначена для генерации текста и следования инструкциям, с улучшенным пониманием тайского языка по сравнению с Qwen3-8B. Модель поддерживает режимы с рассуждением и без него, а также интерфейс вызова инструментов. Архитектура — плотная Qwen3ForCausalLM с 7,6 млрд параметров; максимальный контекст — 40 960 токенов. README описывает сравнение результатов экзаменационных и финансовых тестов с Qwen3-8B, но отмечает, что результаты могут различаться в зависимости от среды оценки. Модель работает с текстом и рассчитана на тайский и английский языки. Для запуска через Transformers требуется версия 4.51.0 или новее. Лицензия — Apache-2.0.

ThetaMaven10 — текстовая генеративная модель, созданная jefferylovely с помощью слияния моделей LazyMergekit. В слиянии участвуют jefferylovely/ThetaMaven9 и flemmingmiguel/MBX-7B-v3; применён метод slerp с настройками для слоёв self-attention и MLP. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Она предназначена для генерации текста; карточка не уточняет специализацию по языкам или прикладным областям. Репозиторий содержит веса в формате Safetensors. Лицензия CC BY-NC-ND 4.0 требует указания авторства и запрещает коммерческое использование и распространение производных материалов.

tidarat/tidarat-jiewhwan — дообученная модель XLM-RoBERTa для классификации тональности текста, основанная на cardiffnlp/twitter-xlm-roberta-base-sentiment. Она предназначена для определения тональности коротких текстов, в частности сообщений в социальных сетях. Модель содержит 305,2 млн параметров, использует архитектуру XLMRobertaForSequenceClassification и принимает текст с контекстом до 514 токенов. Базовая модель многоязычная, но языки, на которых дообучали эту версию, не уточнены. Репозиторий содержит веса в формате safetensors. Лицензия не указана в доступных данных.

TwinLlama-3.1-8B — плотная языковая модель семейства Llama, разработанная goncalocapelalopes путём дообучения unsloth/Meta-Llama-3.1-8B. Модель предназначена для генерации текста и диалогов; в метаданных указаны поддержка чата и контекст до 131 072 токенов. Модель содержит 7,5 млрд параметров, веса доступны в формате safetensors. Для обучения использовались Unsloth и библиотека TRL. В карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. README не уточняет специализацию дообучения и качество на отдельных задачах.

TwinLlama-3.1-8B-DPO — диалоговая модель генерации текста, разработанная goncalocapelalopes и дообученная на базе goncalocapelalopes/TwinLlama-3.1-8B. Она основана на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для диалоговых ответов и генерации текста на английском языке; заявленная длина контекста — 131 072 токена. Веса опубликованы в формате Safetensors, лицензия — Apache 2.0. В README указано, что при обучении использовались Unsloth и библиотека TRL. Отдельные сведения о данных обучения, целевых улучшениях DPO и сравнительном качестве не приведены, поэтому конкретные преимущества дообучения оценить нельзя.

UltraCatunaMayo — объединённая языковая модель, опубликованная Eric111. Она создана с помощью mergekit методом SLERP из mlabonne/UltraMerge-7B и Eric111/CatunaMayo; базой указана UltraMerge-7B. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста, включая диалоговые ответы и следование инструкциям, унаследованные от базовой UltraMerge-7B. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. В карточке не приведены результаты оценивания качества или сведения о поддерживаемых языках.

UTENA-7B-UNA-V2 — языковая модель с архитектурой Mistral, созданная AI-B слиянием моделей UTENA-7B-UNA и UTENA-7B-DPO методом SLERP через mergekit. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста; заявленная длина контекста — 32 768 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов в сценариях, где нужна текстовая языковая модель. В карточке не приведены сведения о языках, специальных предметных областях или результатах оценки качества. Репозиторий содержит веса Safetensors; лицензия — Unlicense.

VAETKI-7B-A1B — языковая модель NC-AI для эффективного вывода. Это авторегрессионная трансформерная модель с архитектурой Mixture-of-Experts: в README указаны 7,25 млрд параметров всего, около 1,2 млрд активных параметров, 24 слоя, 64 эксперта и 5 активируемых экспертов. Метаданные указывают 1,1 млрд параметров; контекст — до 32 768 токенов по метаданным и 16 тысяч токенов по README. Модель прошла предварительное и последующее обучение и поддерживает чат. Она предназначена для генерации текста и диалоговых сценариев на корейском, английском, китайском и японском языках. Формат весов в репозитории — safetensors. Модель может выдавать неточные или неполные ответы и галлюцинации; в README также отмечены ограничения в сложных рассуждениях, математике и генерации корректного кода, а также возможные социальные и культурные предубеждения. Её не рекомендуют для критически важных и регулируемых решений. Лицензия — MIT.

VibeVoice-ASR-Streaming-1.5B — потоковая модель распознавания речи от Microsoft на базе семейства VibeVoice. Она преобразует поступающий аудиопоток в текст и связывает реплики с говорящими, а пользовательские ключевые слова помогают распознавать имена и специальные термины. Модель поддерживает 10 языков: китайский, английский, французский, немецкий, итальянский, японский, корейский, португальский, русский и испанский. В метаданных указаны плотная архитектура VibeVoice и формат весов Safetensors; README сообщает размер 1,5 млрд параметров. Модель предназначена для сценариев потоковой транскрибации с атрибуцией говорящих и пользовательскими подсказками. Лицензия — MIT.