III.4Клиентская поддержка и customer success

PersonaPO/lfm25-8b-a1b-sft-bigchat — это дообученная с помощью TRL модель LiquidAI/LFM2.5-8B-A1B-Base для генерации текста в диалоговом формате. Она принимает сообщения пользователя и продолжает разговор, поэтому подходит для создания чат-ботов и интерактивных помощников. Модель построена на архитектуре LFM2 MoE с классом Lfm2MoeForCausalLM; в репозитории указано 1,6 млрд параметров и контекст длиной до 128 000 токенов. Модель распространяется в формате safetensors и рассчитана на запуск через Transformers. Метаданные не содержат сведений о лицензии и языках, поэтому их нельзя уточнить по предоставленным данным. Качество ответов, специализация настройки и ограничения в карточке не описаны.

yooncw/Llama-3-Open-Ko-8B-Instruct-teddynote — дообученная чат-модель, разработанная yooncw на базе beomi/Llama-3-Open-Ko-8B-Instruct-preview. Она предназначена для генерации текста в диалоговом формате и ответов на запросы. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; длина контекста составляет 8192 токена. В качестве основы указана корейско-английская чат-модель, поэтому модель рассчитана прежде всего на корейский и английский языки. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. В карточке упоминаются Unsloth и TRL как инструменты, использованные при обучении. Отдельные ограничения качества или сферы применения в карточке не описаны.

Metis-27B — мультимодальная диалоговая модель с постоянной памятью, разработанная IAAR-Shanghai на основе Qwen/Qwen3.5-27B. Репозиторий содержит полные объединённые веса модели; архитектура плотная, число параметров — 26,8 млрд. Модель предназначена для диалога и работы с памятью, а метаданные также указывают поддержку входов с изображениями и текста. Модель загружается через Transformers; для неё требуется версия 5.4.0 или новее и код Transformers из репозитория. В README приведён пример загрузки в формате bfloat16. Лицензия — Apache-2.0. Карточка не приводит сведений о длине контекста и конкретных языках, поэтому они не уточняются.

HuggingFaceH4/mistral-7b-anthropic — диалоговая модель генерации текста на архитектуре Mistral, разработанная HuggingFaceH4. Это версия Mistral 7B, выровненная методом DPO на наборах ultrafeedback_binarized_fixed и cai-conversation-harmless. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалоговых сценариев: генерации ответов и ведения беседы с ориентацией на безвредное поведение. Карточка приводит метрики оценки на тестовом наборе, но не описывает подробные сценарии применения или результаты на сторонних бенчмарках. Доступна в формате safetensors по лицензии Apache-2.0.

Qwen3-4B-OT3-tau2-1ep — доменная модель-агент MMOPD для обслуживания клиентов с вызовом инструментов. Это чекпойнт первой эпохи supervised fine-tuning модели MMOPD/Qwen3-4B-OT3-2ep на диалогах из inclusionAI/AReaL-tau2-data, содержащих рассуждения, ответы и вызовы инструментов в сценариях авиаперевозок, розничной торговли и телекоммуникаций. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 3,7 млрд параметров. Модель предназначена для агентных диалогов, в которых нужно вести разговор с клиентом и выполнять действия через инструменты; карточка приводит оценку на τ²-bench для телекоммуникационных задач. Поддерживает английский язык, формат рассуждений Qwen3 и контекст до 32 768 токенов. В опубликованной оценке с официальным промптом результат составил 43,9% успешных задач на базовом наборе; с более коротким промптом из обучающих данных — 24,6%. Чекпойнт может выдавать вызов инструмента, не закрыв блок рассуждений, что создаёт проблемы для парсеров, требующих закрытого блока. Для запуска README рекомендует vLLM с парсерами вызовов инструментов Hermes и рассуждений Qwen3. В README отмечено, что сценарии телекоммуникационного тестового набора частично представлены в данных семейства; оценки следует интерпретировать с учётом этого. Лицензия — Apache-2.0.

MMOPD/Qwen3-4B-OT3-tau2-2ep — плотная авторегрессионная модель семейства Qwen3, разработанная MMOPD для использования инструментов в диалогах клиентской поддержки и сценариях τ²-bench. Это контрольная точка после второго этапа обучения с учителем: модель дообучена на агентских репликах набора inclusionAI/AReaL-tau2-data, включающих контекст диалога, рассуждения, ответы и вызовы инструментов. Модель содержит 3,7 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов; карточка указывает английский язык. Модель ориентирована на обслуживание клиентов в сферах телекоммуникаций, авиаперевозок и розничной торговли, где агенту требуется вести диалог и вызывать инструменты. В описанной оценке на τ²-bench telecom с официальным промптом результат составил 57,9% pass@1 по 114 задачам и 55,3% по 94 задачам, не встречавшимся в обучающих строках; при этом авторы отмечают возможное пересечение сценариев и воздействие тестовых данных. Для работы рекомендуются vLLM и парсеры вызовов инструментов и рассуждений Qwen3. Веса сохранены в bfloat16, формат репозитория — safetensors. Лицензия Apache-2.0. Результаты оценки зависят от промпта и настроек парсера; парсер, требующий закрытого блока рассуждений перед вызовом инструмента, может отклонять некоторые ответы. Контрольная точка является частью экспериментального исследовательского набора MMOPD и представляет второй этап трёхэтапного запуска обучения.

SauerkrautLM-7b-LaserChat — разговорная языковая модель VAGO solutions и Hyperspace.ai, дообученная на основе openchat/openchat-3.5-0106. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для диалоговой генерации текста на немецком и английском языках; контекст составляет 8192 токена. Модель обучена с помощью SFT и DPO, а также оптимизирована методом LaserRMT с частичной заморозкой параметров. Она подходит для чат-ботов и генерации ответов в диалоге. В README приведены результаты оценки на Open LLM Leaderboard. Модель распространяется по лицензии Apache 2.0. Авторы предупреждают, что фильтрация данных не исключает появления неподходящего или несогласованного контента, поэтому поведение модели может быть не всегда приемлемым.

SauerkrautLM-Phi-3-medium — языковая модель VAGO solutions для диалоговой генерации текста на немецком и английском языках. Это дообученная версия unsloth/Phi-3-medium-4k-instruct; в README указано выравнивание с помощью DPO и Spectrum QLoRA, применённой к 50% слоёв. Метаданные указывают плотную архитектуру MistralForCausalLM с 13,8 млрд параметров и контекстом до 4096 токенов. Модель подходит для чат-ботов и генерации ответов на запросы, в том числе на немецком и английском языках. В карточке упомянуты оценки на Open LLM Leaderboard, Mix Eval Hard, GPT4ALL, AGIEval и German RAG, однако численные результаты не приведены. Возможны неуместные или нежелательные ответы; авторы не гарантируют стабильно корректное поведение. Лицензия — MIT.

AdamCodd/tinybert-emotion-balanced — модель классификации эмоций в тексте, созданная дообучением bert-tiny на сбалансированном наборе AdamCodd/emotion-balanced. Она принимает текст и возвращает метку эмоции с оценкой уверенности. В README приведён пример распознавания радости; модель предназначена для быстрого определения эмоциональной окраски коротких текстов и может использоваться через Transformers. Доступны веса PyTorch, Safetensors и ONNX; размер модели — 4,4 млн параметров, максимальный контекст — 512 токенов. На оценочной выборке модель показала accuracy 0,9354 и loss 0,1809. Компактный размер ориентирован на скорость инференса, однако модель может хуже разбирать сложные предложения, отрицания, сарказм и иронию. Набор данных обучен на сбалансированных метках, но README не сообщает перечень меток и поддерживаемые языки. Лицензия — Apache-2.0.

Trendyol разработала Trendyol-LLM-7b-chat-v0.1 — чат-модель на основе Llama 2 7B с авторегрессионной плотной архитектурой LlamaForCausalLM. Модель содержит 6,7 млрд параметров, принимает текст и генерирует текст; максимальный размер контекста по метаданным — 4096 токенов. Чат-версия дообучена на 180 тысячах наборов инструкций с помощью LoRA. Она предназначена для диалогов и генерации ответов на текстовые запросы на турецком и английском языках. Распространяется в формате safetensors по лицензии Apache-2.0. Модель может выдавать неверную информацию, ошибаться на сленге и языках, отличных от английского и турецкого, а также генерировать предвзятый или вредоносный текст. Разработчик отмечает, что её надёжность в реальных сценариях широко не проверялась; результаты следует проверять, а для публичных приложений применять фильтры и человеческий контроль.

TubaSTT v0.5 — Neriqlabs компаниясы әзірлеген, Asante Twi/Akan және ағылшын тілдеріндегі екітілді сөйлеуді мәтінге айналдыратын модель. Ол тілдер арасында код ауыстырылатын ганалық әңгімелесулерге, әсіресе 8 кГц телефон арналары арқылы өтетін клиенттерге қызмет көрсету қоңырауларына арналған. Модель — facebook/w2v-bert-2.0 негізінде CTC әдісімен бейімделген Wav2Vec2-BERT энкодері, 402,7 млн параметрі бар және аудионы қабылдап, транскрипт мәтінін шығарады. Оқытуда шамамен 109 сағаттық оқылым, әңгімелесу және ағылшын тіліндегі деректер, сондай-ақ телефон кодегін имитациялайтын μ-law және SpecAugment күшейтулері қолданылған. MIT лицензиясымен таратылады. Әзірлеуші хабарлаған бағалауда Asante Twi оқылымындағы WER таза аудиода 9,1%, телефон аудиосында 9,5%; WAXAL әңгімелесу деректерінде сәйкесінше 26,3% және 27,9%. Әңгімелесу сөйлеуіндегі қателер оқылымға қарағанда көбірек; WAXAL диалектісі таза Asante Twi-ден өзгеше болуы мүмкін, ал ағылшын акценті негізінен FLEURS деректеріне сүйенеді. Көрсеткіштер әзірге dev жиынтықтарынан алынған, бөлек тест жиынтығы дайындалып жатыр.

Voxtral 4B TTS 2603 — модель преобразования текста в речь от Mistral AI, созданная для голосовых агентов и потокового или пакетного синтеза речи. Она дообучена на базе Ministral 3 3B Base 2512 и распространяется с весами BF16 и набором из 20 предустановленных голосов; также заявлена адаптация к новым голосам. Модель генерирует выразительную речь с естественной интонацией на девяти языках: английском, французском, испанском, немецком, итальянском, португальском, нидерландском, арабском и хинди. Модель рассчитана на сценарии с низкой задержкой и высокой пропускной способностью, включая голосовых помощников, контакт-центры, автомобильные системы и перевод в реальном времени. Выходное аудио — 24 кГц; в README заявлена поддержка WAV, PCM, FLAC, MP3, AAC и Opus. Для запуска через рекомендованный vLLM-Omni требуется актуальная версия vLLM; для запуска на одной GPU указано не менее 16 ГБ памяти. Модель и эталонные голоса распространяются по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

NicholasCorrado/zephyr-7b-hh-dpo — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она дообучена методом DPO на наборе диалогов HuggingFaceH4/hh-rlhf-h4 поверх alignment-handbook/zephyr-7b-sft-full и предназначена для генерации текста и ответов в чате. Модель работает с текстом, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Карточка приводит метрики оценки на тестовом наборе, включая точность предпочтений 0,7174, но не описывает сценарии использования, языковое покрытие или ограничения качества. Лицензия Apache-2.0.

ChatAllInOne-Yi-34B-200K-V1 — разговорная языковая модель, созданная дообучением Yi-34B-200K от 01.AI на наборе CHAT-ALL-IN-ONE-v1 с помощью QLoRA и Unsloth. Она предназначена для диалогов в непринуждённом, формальном и тематическом стиле, а также для генерации связных ответов в длинных разговорах. Модель имеет плотную архитектуру LlamaForCausalLM с 33,9 млрд параметров и контекстом до 200 000 токенов. Карточка предлагает формат промпта Vicuna 1.1. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0. Карточка не приводит оценок качества или конкретных поддерживаемых языков.

DeepSeek-R1-8B tool-merged v2 — диалоговая языковая модель на архитектуре Qwen3, дообученная разработчиком manishkumar2101114 на базе deepseek-ai/DeepSeek-R1-0528-Qwen3-8B. Для обучения использован LoRA-адаптер ранга 32, три эпохи и 1873 диалога; в карточке указаны итоговые значения train loss 0,2217 и eval loss 0,2276. Модель предназначена для диалоговой генерации текста и сценариев голосовых агентов; тег карточки также указывает на поддержку tool calling. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. В карточке заявлены английский и хинди. Указана лицензия MIT. Для запуска автор рекомендует sglang, vllm или transformers; отдельная замена шаблона диалога не требуется.

gokuls/distilroberta-emotion-intent — модель классификации текста, дообученная на базе distilroberta-base на датасете emotion. Она предназначена для определения эмоциональной категории в тексте и может использоваться для автоматической разметки коротких сообщений и анализа тональности эмоциональных высказываний. Модель построена на архитектуре RoBERTa, содержит 95,2 млн параметров и принимает последовательности длиной до 514 токенов. В карточке указаны точность 0,9435 и loss 0,1496 на оценочном наборе данных. Модель распространяется под лицензией Apache-2.0. Карточка не описывает набор меток и ограничения применения, поэтому результаты для иных языков, жанров и распределений данных не подтверждены.

NickyNicky/gemma-2b-it_oasst2_chatML_Cluster2_aya_multilingual — многоязычная чат-модель, созданная дообучением Gemma 2B IT на данных Aya в формате ChatML. В карточке указаны 2 эпохи обучения и базовая модель NickyNicky/gemma-2b-it_oasst2_chatML_Cluster_2_V1; архитектура — плотная GemmaForCausalLM с 2,5 млрд параметров и контекстом 8192 токена. Модель предназначена для генерации текста в диалоге на болгарском, каталонском, чешском, датском, немецком, английском, испанском, французском, хорватском, венгерском, итальянском, нидерландском, польском, португальском, румынском, русском, словенском, сербском, шведском и украинском языках. Может использоваться для чат-ответов и продолжения текста; загрузка и использование поддерживаются через Transformers, веса представлены в Safetensors. Лицензия — Apache-2.0. Модель компактнее крупных языковых моделей, поэтому её возможности и качество могут быть ограничены размером. README не приводит результатов оценки; следует проверять качество ответов на целевых языках и сценариях.

Keural Cortex 8B v1.0 — выпущенная компанией MKD локально развёртываемая языковая модель для взаимодействия на корейском и английском языках в корпоративных приложениях. Это плотный decoder-only Transformer семейства Qwen3 с 7,6 млрд параметров и контекстом до 65 536 токенов; модель распространяется в формате safetensors и рассчитана на обслуживание через OpenAI-совместимый API vLLM. Модель предназначена для диалогов и генерации структурированных вызовов инструментов в корпоративных сценариях. При подключении приложением разрешённых инструментов она может формировать вызовы для веб-поиска, получения веб-страниц, поиска по документам и уточнения запроса. Самостоятельного доступа к интернету, документам или внешним действиям у неё нет: исполнение инструментов, разрешения и данные контролирует хост-приложение. В карточке описаны успешные проверочные сценарии работы через vLLM, включая корейский диалог и несколько типов вызовов инструментов. Эти проверки не заменяют оценку на рабочих данных. Ответы могут быть неточными или непоследовательными; модель не следует использовать как единственное основание для решений с высокими последствиями. Лицензия — Apache 2.0.

MFANN v0.18 — разговорная языковая модель автора netcat420 для генерации ответов в формате диалога. Карточка задаёт ей роль полезного, уважительного и честного помощника, который должен объяснять некорректные вопросы и не выдавать догадки за факты. Модель построена на архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и контекст длиной до 32 768 токенов. Веса опубликованы в формате Safetensors; лицензия указана как llama3.

Mistral Saba — языковая модель компании Mistral AI с 24 млрд параметров, разработанная для стран Ближнего Востока и Южной Азии. Она предназначена для генерации текста и ответов, учитывающих региональный контекст; модель обучена на отобранных региональных данных. Saba подходит для создания чат-ботов и других приложений, которым нужны контекстно релевантные ответы для этих регионов. В доступной карточке не приведены сведения о поддерживаемых языках, длине контекста или лицензии, поэтому эти характеристики здесь не уточняются.

Nitzotz — модель компании BrainboxAI для классификации и оценки сообщений на иврите. Она принимает сообщение и заданный пользователем вопрос, затем выбирает вариант ответа, выставляет оценку или определяет, верно ли утверждение, и возвращает вероятность. Модель предназначена для автоматической маршрутизации входящих сообщений, определения их типа и срочности, а также выявления мошеннических сообщений. Это не чатбот: она не генерирует текст и рассчитана на короткие сообщения, а не на длинные документы. Модель дообучена на HalleluBERT_large и использует библиотеку laya. В README приведён результат выявления мошенничества на 298 сообщениях: точность 92% и AUC 0,97 для конкретной формулировки вопроса. Качество зависит от формулировки вопроса, поэтому её следует проверять на собственных данных. Доступны файлы safetensors и GGUF, включая F16 и Q8_0; заявлена возможность локального запуска на обычном ноутбуке, в том числе без подключения к интернету. Лицензия — Apache-2.0.

OpenBuddy — диалоговая языковая модель на базе Meta Llama 3, предназначенная для генерации ответов в чат-боте. Модель разработана проектом OpenBuddy и содержит 7,5 млрд параметров; её плотная архитектура Llama поддерживает контекст до 8192 токенов. Модель ориентирована прежде всего на общение на английском и китайском языках. Её можно запускать локально через Ollama или развернуть как API-сервис с помощью vLLM; для корректной работы авторы рекомендуют быстрый токенизатор Transformers. Репозиторий содержит веса в формате safetensors. Модель может выдавать ошибочные, вредные или оскорбительные ответы. Авторы предостерегают от использования в медицине, управлении потенциально опасными системами и важных финансовых или юридических решениях. В карточке указана лицензия other; README сообщает, что модель построена на Meta Llama 3, но не приводит точное название лицензии.

SOLAR-10.7B-sft-dpo-v1 — разговорная языковая модель команды ETRI xainlp, дообученная на базе davidkim205/nox-solar-10.7b-v4. Это плотная причинно-авторегрессионная модель семейства Llama с 10,6 млрд параметров, принимающая и выдающая текст; заявленный родной контекст — 4096 токенов. Модель предназначена для генерации ответов в диалогах. При обучении использовались этапы SFT с LoRA на наборе из 1 821 734 примеров цепочек рассуждений и DPO с LoRA на 221 869 примерах пользовательских предпочтений. Доступна в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. README не сообщает о поддерживаемых языках и не приводит оценки качества; возможности модели за пределами генерации диалогового текста не подтверждены.

SOVL — разговорная языковая модель ResplendentAI на архитектуре Llama 3, предназначенная для генерации текста в диалогах. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. В метаданных указано, что она создана слиянием моделей jeiku/Average_Test_v1 и ResplendentAI/RP_Format_QuoteAsterisk_Llama3; последняя также указана как дообученная модель в тегах карточки. Модель распространяется в формате Safetensors под лицензией Apache-2.0. Карточка не описывает специальные навыки, оценку качества или дополнительные ограничения; по имеющимся данным её можно использовать для обычных текстовых диалогов на английском языке.

Statim Decide Multilingual Base: Emotion adapter — это LoRA-адаптер Beko2210 для модели Beko2210/statim-decide-multilingual-base версии 0.7.0. Он настраивает модель на определение наиболее выраженной эмоции в коротком тексте с помощью выбора из заданных категорий. Адаптер поддерживает восемь языков, указанных в метаданных: немецкий, английский, испанский, французский, хинди, португальский, русский и китайский; португальский и русский не имели обучающих примеров для этой категории. В эксперименте точность на отложенных данных выросла с 0,6309 до 0,7007; на тесте из 150 примеров средний результат улучшился на 4,75 процентного пункта при объединении адаптера при загрузке и на 5,33 пункта при использовании q8_0 с runtime LoRA. Для работы требуется базовая модель с совместимым fingerprint и Statim 0.8.0 или новее. Адаптер доступен в форматах GGUF и safetensors. По уведомлению в карточке, с 3 октября 2026 года адаптер и базовая модель распространяются по лицензии PolyForm Noncommercial 1.0.0, поэтому коммерческое использование не разрешено.

TCAndonRouter — плотная диалоговая языковая модель семейства Qwen3, разработанная Tencent для маршрутизации запросов к агентам и навыкам в многоагентных системах. Она определяет подходящего агента или набор агентов для пользовательского запроса, в том числе когда их зоны ответственности пересекаются. Модель дообучена методом SFT с последующим обучением DAPO на базе Qwen/Qwen3-4B-Instruct-2507 и содержит 3,7 млрд параметров. Вход и выход — текст; заявлены китайский и английский языки, контекст — до 262 144 токенов. Модель рассчитана на маршрутизацию намерений в корпоративных сценариях. Описания новых агентов можно добавлять без переобучения, а решения маршрутизации задуманы как интерпретируемые. Если применимы несколько агентов, Router может сохранить все подходящие варианты для последующего объединения их ответов отдельным агентом-редактором. В README заявлены результаты на наборах CLINC150, HWU64, MINDS14, SGD и QCloud. Модель распространяется по лицензии Apache-2.0. README направляет за инструкциями по использованию к GitHub; приведён пример подготовки описаний агентов для собственного набора данных.

TinyJev-0.6B — плотная текстовая модель решений, разработанная AnkitAI на базе Qwen3-0.6B-Base. Она оценивает предложенные варианты и возвращает вероятность каждого из них, не генерируя свободный текст. Интерфейс поддерживает выбор из вариантов, оценку истинности утверждения и размещение состояния на упорядоченной шкале; контекст модели — 32 768 токенов. Модель предназначена для локального выполнения структурированных решений по текстовому состоянию, заявке, записи или строке журнала. По README, она содержит около 596 млн параметров, использует pointer head и калибровку вероятностей с температурой 1,46; метаданные указывают 507,9 млн параметров. Поддерживаются MLX на Apple Silicon и PyTorch, а репозиторий содержит веса в safetensors. README сообщает о тестировании на наборах задач принятия решений, но приводит ограниченные результаты переноса, поэтому качество для конкретных прикладных сценариев следует проверять отдельно. Модель принимает только текст и выдаёт оценки вариантов и вероятности. README указывает обучение Qwen3-0.6B-Base с LoRA на открытом наборе jaredpalmer/kev-suites с последующим слиянием адаптера с базой. Лицензия модели — MIT; README также указывает Apache-2.0 для базовой модели, набора данных и дизайна pointer head.

Abduqayum/whisper-uzbek-medium-callcenter — модель распознавания речи на узбекском языке, созданная дообучением Whisper-medium на узбекском STT-датасете объёмом около 780 часов. Она предназначена для преобразования речи в текст, в том числе телефонных записей и звонков с узкополосным звуком, шумом и реверберацией. Обучение включает аугментацию телефонного аудио и примеры тишины и неречевых звуков, чтобы снизить появление выдуманного текста на таких фрагментах. Модель содержит 455,8 млн параметров, использует архитектуру Whisper и доступна для Transformers в формате safetensors. В описанных автором оценках WER составил 7,88% на FeruzaSpeech, 13,37% на Common Voice 17.0 uz и 14,40% на FLEURS uz; перед подсчётом нормализовались числа, регистр, апострофы и пунктуация. Модель настроена на узбекскую латиницу; транскрипция кириллицей не является целевой. В обучающих транскрипциях, автоматически полученных с помощью Gemini, возможны ошибки. Лицензия — Apache-2.0.

Danielbrdz/Barcenas-Orca-2-7b — разговорная языковая модель на базе Microsoft Orca 2 7B, дообученная автором на наборе HuggingFaceH4/no_robots для более естественного диалога. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров; она принимает текст и генерирует текст, поддерживая контекст до 4096 токенов. Карточка указывает английский и испанский языки. Модель предназначена для ведения диалогов и генерации ответов на естественном языке. Она опубликована в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнить в репозитории. Карточка не приводит оценок качества или подробных ограничений, поэтому пригодность для конкретных сценариев стоит проверять отдельно.

cmarkea/bloomz-560m-sft-chat — диалоговая донастройка модели bigscience/bloomz-560m, подготовленная CMarkea для генерации ответов в формате чат-бота и дальнейшей адаптации под специализированные задачи. Это плотная авторегрессионная языковая модель семейства BLOOM с 659,6 млн параметров; веса представлены в PyTorch и Safetensors. Модель обучали на 0,9 млрд токенов диалоговых данных, с равным объёмом французских и английских данных, часть которых перевели с помощью Google Translate. Модель предназначена для генерации текста в диалоге, ответов на запросы и использования как отправной точки для последующей донастройки. В README отмечены компактность и сравнительно быстрая генерация на стандартной инфраструктуре; для версии на 560 млн параметров указана скорость около 29 токенов в секунду на A100 40 ГБ. Перевод весов из float16 в bfloat16 может повлиять на сохранение мультиязычных возможностей исходной модели, а качество на языках кроме французского и английского не гарантируется. Лицензия BigScience BLOOM RAIL 1.0 допускает промышленное использование на условиях лицензии.