III.4Клиентская поддержка и customer success

Модель elanor18/llama31-ics-merged — дообученная разговорная языковая модель семейства Llama 3.1, разработанная elanor18 на основе unsloth/llama-3.1-8b-instruct-unsloth-bnb-4bit. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Для обучения использовались Unsloth и библиотека TRL из Hugging Face. В карточке заявлен английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Сведения о специальной предметной области и результатах оценки качества не приведены.

Llama 3.1 Swallow Gen 8B v0.1 — языковая модель, полученная слиянием моделей Tokyo Institute of Technology и BAAI с помощью Mergekit. Она объединяет Llama-3.1-Swallow-8B-Instruct-v0.1 и Infinity-Instruct-7M-Gen-Llama3_1-8B методом dare_ties; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, формат весов — safetensors, библиотека — Transformers. Модель предназначена для генерации текста и диалогов на японском и английском языках, включая выполнение текстовых инструкций. Контекст составляет до 8192 токенов. Лицензия в предоставленных данных не указана.

Модель goethe0101 — дообученная текстовая модель семейства Llama 3.2 с плотной архитектурой и 3,2 млрд параметров. Она основана на unsloth/llama-3.2-3b-instruct-bnb-4bit и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 131 072 токена. Репозиторий содержит веса в формате PyTorch, а лицензия — Apache-2.0. Карточка не описывает специализацию дообучения или результаты оценки качества.

itsnebulalol/Llama-3.2-Nemotron-3B — дообученная языковая модель автора itsnebulalol на базе unsloth/Llama-3.2-3B-bnb-4bit, представляющая собой плотную авторегрессионную архитектуру Llama с 3,2 млрд параметров. Для обучения использован набор nvidia/HelpSteer2; модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на пользовательские запросы и инструктивных сценариев. Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет заявленный контекст до 131 072 токенов. В репозитории указаны форматы PyTorch и Safetensors; карточка сообщает о лицензии Llama 3.2. README не приводит результатов оценки качества и подробных ограничений, поэтому пригодность для конкретных задач стоит проверять на собственных примерах.

Модель munish0838/llama-3-8b-Instruct-Matter-0.1-Slim-A — дообученная авторегрессионная языковая модель семейства Llama 3, разработанная munish0838 на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Она предназначена для генерации текста и диалогового общения. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. При обучении использовались Unsloth и библиотека TRL. Модель принимает текст и выдаёт текст; в карточке указан английский язык. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит сведений о специализированных областях применения или дополнительных возможностях.

Карточка модели Ayush-1722/Llama-3-8B-Instruct-v0.1-16K-QLoRA-Merged на Hugging Face совпадает с карточкой Ayush-1722/Llama-3-8B-Instruct-v0.1-32K-QLoRA-Merged, поэтому описание составлено по ней. Модель Ayush-1722/Llama-3-8B-Instruct-v0.1-32K-QLoRA-Merged — дообученная Ayush-1722 версия Llama 3 для генерации текста. Она рассчитана на текстовые запросы и ответы; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, имеет контекст до 32 768 токенов и распространяется под лицензией Apache-2.0. Модель подходит для генерации ответов и продолжения текста на английском языке. Карточка не описывает конкретные целевые сценарии, оценки качества или специальные ограничения; результаты следует проверять для выбранного применения.

Llama-3-8B-Tulu-330K — дообученная модель для генерации текста на основе Meta Llama 3 8B. Она предназначена для диалогового взаимодействия и генерации ответов; в карточке приведён результат оценки: loss 1,0525. Модель содержит около 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Доступны веса PyTorch и Safetensors. Модель создана дообучением meta-llama/Meta-Llama-3-8B с помощью Axolotl 0.4.0. Описание в README не уточняет назначение датасета и конкретные сильные стороны или ограничения. Лицензия — Llama 3; использование регулируется её условиями.

Dampfinchen объединил эту плотную языковую модель методом DARE TIES с помощью mergekit. В основе лежит NousResearch/Meta-Llama-3-8B; в слияние также вошли NousResearch/Meta-Llama-3-8B-Instruct и Dampfinchen/Llama-3-8B-Ultra-Instruct. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста. Автор стремился сохранить возможности Llama 3 Instruct и усилить ролевые диалоги, работу с RAG, немецким языком и написание историй. Указана лицензия llama3. Автор предупреждает, что модель может выдавать вредоносные ответы.

QuantFactory/Llama3-DocChat-1.0-8B-GGUF — квантованная версия Cerebras Llama3-DocChat 1.0 8B, подготовленная QuantFactory с использованием llama.cpp. Исходная модель разработана Cerebras на базе Llama 3 и предназначена для диалоговых вопросов и ответов по документам, включая сценарии retrieval-augmented generation (RAG). Модель должна отвечать на вопросы с учётом переданного контекста и сообщать, если ответ в документе не найден. Модель относится к текстовым генеративным LLM, содержит 8 млрд параметров и поддерживает стандартный шаблон чата Llama 3 Instruct. Для передачи документа используется обёртка <context>...</context>; дополнительно можно задать инструкцию о требуемой полноте или краткости ответа. В карточке указан английский язык. Контекстное окно и конкретный формат квантования для этой GGUF-сборки не указаны. По результатам приведённых тестов модель показывает сильные результаты в задачах документного диалога: средний показатель на ChatRAG Benchmark составляет 55,71, а на EleutherAI Evaluation Harness — 58,07. К ограничениям относятся специализация прежде всего на ответах по предоставленному контексту, возможные потери качества из-за квантования и отсутствие данных о точном варианте квантования, требованиях к ресурсам и поддерживаемом размере контекста. Лицензия указана как other; подробные условия в README не приведены.

LLama3-Gaja-Hindi-8B-v0.1 — двуязычная чат-модель Cognitivelab.in, дообученная на базе Llama 3 8B. Это плотная авторегрессионная архитектура Llama с 7,5 млрд параметров, предназначенная для понимания естественного языка и выполнения инструкций в диалогах на хинди и английском. Модель поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Модель подходит для ответов на вопросы и ведения многоходового чата, следуя инструкциям пользователя на хинди или английском. Для дообучения использовались отобранные переведённые пары инструкций и метод supervised fine-tuning с low-rank adaptation. Лицензия в метаданных указана как Llama 2; условия использования следует сверять с её текстом. В карточке нет опубликованных результатов бенчмарков, поэтому качество модели по ним оценить нельзя.

crimsonjoo/Llama3-Ko-LON-8B — языковая модель, созданная объединением предобученных моделей с помощью mergekit и метода DARE TIES. В качестве основы использована meta-llama/Meta-Llama-3-8B; в объединение также вошли meta-llama/Meta-Llama-3-8B-Instruct и beomi/Llama-3-Open-Ko-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов. Она предназначена для генерации текста и диалоговых ответов; корейская языковая специализация следует из включённой Llama-3-Open-Ko-8B, а базовая модель также рассчитана на английский. Модель распространяется в формате safetensors, исходный merge выполнен с типом bfloat16. Лицензия в предоставленных данных не указана.

Cas-Warehouse/Llama-3-MopeyMule-Blackroot-8B — разговорная языковая модель, созданная объединением моделей с помощью mergekit и метода Model Stock. В качестве базовой использована failspy/Llama-3-8B-Instruct-MopeyMule; в объединение также вошли Blackroot/Llama-3-8B-Abomination-LORA и Blackroot/Llama-3-LongStory-LORA. Модель семейства Llama 3 с архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Она предназначена для генерации текста и диалоговых ответов; каталог указывает английский язык для базовой модели. Веса представлены в формате safetensors. Карточка не приводит сравнительных оценок качества или подробных ограничений. Лицензия в предоставленных данных не указана.

Модель worldboss/llama_finetune_16bit — дообученная языковая модель семейства Llama, созданная worldboss на базе unsloth/llama-3.1-8b-unsloth-bnb-4bit. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для генерации текста и может применяться в сценариях, где нужны ответы или продолжения текста. Карточка указывает контекст до 131 072 токенов и поддержку английского языка. В репозитории используются веса safetensors. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения, поэтому нельзя точнее определить целевые предметные области или качество на конкретных задачах.

Lucie-Boosted-7B-Instruct — языковая модель на 6,4 млрд параметров, разработанная Jonathan Pacifico в 2025 году на основе OpenLLM-France/Lucie-7B-Instruct. Это плотная модель семейства Llama для генерации текста и диалогов; она доступна в формате safetensors и рассчитана на контекст до 32 000 токенов. Модель прошла дообучение методом DPO на наборе jpacifico/french-orca-dpo-pairs-revised. Обучение на французских данных также направлено на улучшение общих возможностей модели. Она подходит для диалоговых приложений, генерации ответов и следования инструкциям на французском и английском языках. В карточке приведены результаты отдельных тестов, но заявленные оценки ограничены, а полноценные результаты MT-Bench и OpenLLM Leaderboard обозначены как ожидаемые. Модель не имеет механизма модерации. Лицензия Apache-2.0.

M7Yamshadowexperiment28_NeuralsirkrishnaM7 — объединённая модель на базе двух моделей Mistral: automerger/M7Yamshadowexperiment28-7B и automerger/NeuralsirkrishnaM7-7B. Она предназначена для генерации текста и диалогового взаимодействия; архитектура — плотная авторегрессионная Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не содержит сведений о специализации, обучающих данных или проверках качества.

MaziyarPanahi/M7Yamshadowexperiment28_YamOgno — объединённая модель генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/YamOgno-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации продолжений текста и диалоговых ответов. Она распространяется в формате safetensors по лицензии Apache 2.0. В карточке модели не описаны специальные домены или дополнительные возможности.

Edens-Gate/MagMerge2 — объединённая предобученная языковая модель, созданная с помощью mergekit методом SLERP. В слиянии использованы Edens-Gate/testing и NewEden/TinyMagnum-r2; в конфигурации NewEden/TinyMagnum-r2 указан как базовая модель. Модель построена на архитектуре Llama и содержит 3,9 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Она принимает текстовые запросы и выдаёт текст, а заявленная длина контекста составляет 8192 токена. Лицензия в доступных данных не указана.

Magnum v4 12B — разговорная языковая модель Anthracite, дообученная на базе mistralai/Mistral-Nemo-Instruct-2407 для воспроизведения качества прозы Claude 3 Sonnet и Opus. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, представленная в формате safetensors и предназначенная для генерации текста в диалогах. Она принимает сообщения в формате инструкций [INST] и подходит для написания прозы и ответов в чате; в метаданных также отмечен интерфейс вызова инструментов. Карточка указывает английский язык и контекст до 1 024 000 токенов. Модель распространяется по лицензии Apache-2.0. Приведённые оценки Open LLM Leaderboard включают IFEval 33,93 и BBH 30,50; результаты сами по себе не гарантируют качество для конкретных задач.

Kaoeiri объединил языковые модели с помощью mergekit и метода DARE TIES. За основу взята anthracite-org/magnum-v4-22b, в объединение также вошли TheDrummer/Cydonia-22B-v1.1, TheDrummer/Cydonia-22B-v1.2 и TheDrummer/Cydonia-22B-v1.3. Модель построена на архитектуре Mistral, содержит 22 млрд параметров и использует формат safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, а контекст составляет до 32 768 токенов. Базовая модель описана как англоязычная модель для диалогов, следования инструкциям и связной прозы; отдельных сведений о языках и сильных сторонах получившегося объединения карточка не приводит. Лицензия в предоставленных данных не указана.

Mawared_GS — диалоговая языковая модель на базе Gemma 2 9B, опубликованная Daemontatox и дообученная на princeton-nlp/gemma-2-9b-it-SimPO. Модель построена на плотной архитектуре Gemma2ForCausalLM, содержит 9 млрд параметров и принимает текстовые запросы для генерации текста в формате диалога. Контекстное окно составляет 8192 токена. Модель подходит для генерации ответов и ведения текстового диалога. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL. Репозиторий распространяется по лицензии Apache-2.0. Специализированная область применения и дополнительные возможности сверх текстовой генерации не заявлены.

MeliodasPercival_01_YamShadow — объединённая языковая модель, опубликованная MaziyarPanahi. Она создана слиянием automerger/MeliodasPercival_01-7B и automerger/YamShadow-7B и предназначена для генерации текста. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров; контекстное окно — до 32 768 токенов. Модель можно применять для генерации продолжений текста и диалоговых ответов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. README не приводит сравнительных оценок качества или сведений о специализированной настройке модели.

MeliodasPercival_01_YamshadowExperiment28 — слитая языковая модель на архитектуре Mistral, созданная объединением automerger/MeliodasPercival_01-7B и automerger/YamshadowExperiment28-7B. Она предназначена для генерации текста и диалогов по текстовым запросам. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель может применяться для составления ответов, продолжения текста и ведения диалогов. Карточка не уточняет её языковую специализацию или результаты оценки качества. Лицензия — Apache-2.0.

Mengzi3-8B-Chat — диалоговая языковая модель Langboat для генерации текста. В метаданных указаны плотная архитектура семейства Llama, класс LlamaForCausalLM и 7,5 млрд параметров; модель распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для чат-общения и генерации ответов на китайском и английском языках. В карточке приведены результаты оценок MMLU, GSM8k и MATH, указывающие на проверку общих знаний и математических задач. Лицензия — Apache-2.0. Разработчики предоставляют модель без гарантий и призывают соблюдать требования закона и проводить необходимые проверки перед использованием в интернет-сервисах.

Это объединённая языковая модель Gemma 2 на 9 млрд параметров, созданная сообществом mergekit с помощью метода Model Stock. В качестве базовой использована KR-X-AI/gemma-2-9b-untied; в объединение также вошли шесть других моделей семейства Gemma 2. Модель предназначена для генерации текста и диалогов, принимает текст и выдаёт текст. Нативное окно контекста составляет 8192 токена. Модель может применяться для ведения диалогов и генерации ответов, однако карточка не описывает её специализацию или сравнительное качество. В составе есть модель с пометкой abliterated, поэтому поведение в отношении ограничений и нежелательного контента может отличаться от стандартной модели. Файлы опубликованы в формате Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели mergekit-community/mergekit-slerp-adolxhj на Hugging Face совпадает с карточкой mergekit-community/dolphin-mistral-instruct-7b, поэтому описание составлено по ней. Это объединённая языковая модель mergekit-community, созданная методом SLERP на основе arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель построена на архитектуре MistralForCausalLM с плотной архитектурой и содержит 7,1 млрд параметров; опубликованные веса представлены в формате Safetensors, а библиотека запуска — Transformers. Модель предназначена для генерации текста в диалоговых сценариях: она принимает текстовый запрос и формирует текстовый ответ. Контекст составляет до 32 768 токенов. Карточка не описывает отдельные прикладные области или языковые характеристики, поэтому их нельзя уточнить по имеющимся данным. Лицензия в предоставленных данных не указана.

Fischerboot объединил две предварительно обученные языковые модели семейства Llama с помощью SLERP через mergekit: TheDrummer/Llama-3SOME-8B-v1 и VAGOsolutions/Llama-3-SauerkrautLM-8b-Instruct. Результат — плотная авторегрессионная модель для генерации текста и диалогового общения, доступная в формате safetensors и рассчитанная на контекст до 8192 токенов; размер составляет около 7,5 млрд параметров. Модель подходит для ведения диалогов и генерации ответов на текстовые запросы. В составе слияния есть немецко- и англоязычная чат-модель, обученная следованию инструкциям; карточка объединённой модели не уточняет языковой охват результата. Репозиторий не сообщает отдельные результаты оценки качества или подробные ограничения. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-slerp-wvyefgo на Hugging Face совпадает с карточкой mergekit-community/dolphin-mistral-instruct-7b, поэтому описание составлено по ней. Это объединённая языковая модель mergekit-community, созданная методом SLERP на основе arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель построена на архитектуре MistralForCausalLM с плотной архитектурой и содержит 7,1 млрд параметров; опубликованные веса представлены в формате Safetensors, а библиотека запуска — Transformers. Модель предназначена для генерации текста в диалоговых сценариях: она принимает текстовый запрос и формирует текстовый ответ. Контекст составляет до 32 768 токенов. Карточка не описывает отдельные прикладные области или языковые характеристики, поэтому их нельзя уточнить по имеющимся данным. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-ties-aspkrwz на Hugging Face совпадает с карточкой mergekit-community/mergekit-ties-fnacfof, поэтому описание составлено по ней. mergekit-community/mergekit-ties-fnacfof — языковая модель на архитектуре Llama, созданная сообществом с помощью слияния TIES. В объединении использованы NousResearch/Llama-2-7b-hf в качестве базовой модели, а также microsoft/Orca-2-7b и arcee-ai/Patent-Instruct-7b. Модель содержит 6,6 млрд параметров, распространяется в формате Safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев, сочетая возможности включённых в слияние моделей. Карточка не уточняет отдельные преимущества, целевые языки или специализированные сценарии; базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана.

mergekit-community/mergekit-ties-fnacfof — языковая модель на архитектуре Llama, созданная сообществом с помощью слияния TIES. В объединении использованы NousResearch/Llama-2-7b-hf в качестве базовой модели, а также microsoft/Orca-2-7b и arcee-ai/Patent-Instruct-7b. Модель содержит 6,6 млрд параметров, распространяется в формате Safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев, сочетая возможности включённых в слияние моделей. Карточка не уточняет отдельные преимущества, целевые языки или специализированные сценарии; базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-ties-jnhzatj на Hugging Face совпадает с карточкой mergekit-community/mergekit-ties-fnacfof, поэтому описание составлено по ней. mergekit-community/mergekit-ties-fnacfof — языковая модель на архитектуре Llama, созданная сообществом с помощью слияния TIES. В объединении использованы NousResearch/Llama-2-7b-hf в качестве базовой модели, а также microsoft/Orca-2-7b и arcee-ai/Patent-Instruct-7b. Модель содержит 6,6 млрд параметров, распространяется в формате Safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев, сочетая возможности включённых в слияние моделей. Карточка не уточняет отдельные преимущества, целевые языки или специализированные сценарии; базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана.