III.4Клиентская поддержка и customer success

zgrgr разместил дообученную диалоговую модель на архитектуре Llama 3.1 8B Instruct. Она предназначена для ответов на вопросы и общения на турецком и английском языках, а также заявлена как поддерживающая другие языки. Примеры в карточке показывают ответы на общие вопросы и вопросы о юридической сфере, однако модель не описана как специализированная юридическая система. Модель использует плотную архитектуру Llama с причинным языковым моделированием, содержит 7,5 млрд параметров и принимает текст, выдавая текстовые ответы. Заявленная длина контекста — 8192 токена. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Карточка содержит противоречивые сведения о точной базовой версии: README упоминает Meta Llama 3B и варианты написания Llama 3 8B, тогда как метаданные указывают Meta-Llama-3.1-8B-Instruct; точная основа здесь приведена по метаданным.

philschmid/MiniLM-L6-H384-uncased-sst2 — модель классификации текста, опубликованная пользователем philschmid на Hugging Face. Она предназначена для определения тональности текста по схеме SST-2: классификации высказываний как положительных или отрицательных. Карточка Hugging Face указывает архитектуру BERT для классификации последовательностей, 25,9 млн параметров и максимальную длину контекста 512 токенов; модель загружается через Transformers как text-classification. Это дообученная версия англоязычной MiniLM-L6-H384-uncased: компактного шестислойного трансформера с 384-мерным скрытым состоянием, основанного на архитектуре BERT. Карточка модели не содержит сведений о лицензии; надёжно определить условия использования по доступным источникам нельзя. Модель рассчитана на текст и выдаёт метку класса с оценкой.

MISCHIEVOUS-12B-Mix_0.3v — слитая с помощью SLERP модель генерации текста, созданная bamec66557 на основе двух предыдущих версий MISCHIEVOUS-12B-Mix. Это плотная Mistral-модель с 12,1 млрд параметров для генерации текста и диалогов; в метаданных заявлена длина контекста 1 024 000 токенов и поддержка английского и корейского языков. Модель предназначена для диалогового взаимодействия и других задач генерации текста. В метаданных также отмечен интерфейс вызова инструментов, но подробности его применения в карточке не описаны. Репозиторий использует Transformers и формат safetensors; README дополнительно упоминает вариант GGUF Q4_K_M. Лицензия — Apache-2.0. Метка карточки предупреждает, что модель подходит не для всех аудиторий.

Mistmes-slerp — объединённая модель генерации текста, созданная с помощью mergekit из mistralai/Mistral-7B-v0.1 и NousResearch/Hermes-2-Pro-Mistral-7B методом SLERP. В репозитории указана архитектура MixtralForCausalLM типа MoE, размер — 7,1 млрд параметров; веса сохранены в формате safetensors. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, унаследованных от исходных моделей. Доступных сведений недостаточно, чтобы определить конкретные языки или специализированные области применения. Модель распространяется по лицензии Apache-2.0.

skymizer/mistral-7B-v0.1-sft-slim-orca-sonnet-3.5-v4 — дообученная разговорная языковая модель на архитектуре Mistral, созданная на основе mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, предназначена для генерации текста и чат-взаимодействия; базовый контекст составляет 32 768 токенов. В README указана настройка обучения Axolotl 0.5.2 и значение loss 0,5315 на оценочном наборе, но датасет обозначен как None. Сценарии применения, языки обучения и результаты практической оценки в карточке не раскрыты. Модель распространяется под лицензией Apache-2.0.

Minbyul/mistral-7b-wo-live_qa-sft — дообученная модель генерации текста на базе Mistral-7B-v0.1 от Mistral AI. Она обучена на наборе HuggingFaceH4/deita-10k-v0-sft методом supervised fine-tuning; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий использует формат safetensors. Модель предназначена для генерации продолжений текста и ответов на запросы в сценариях, соответствующих данным дообучения. В README приведено значение loss 1,6476 на оценочном наборе, однако подробности методики оценки и практические ограничения не описаны. Лицензия — Apache-2.0.

Mistral-v0.3-Instruct-Matter-Slim-A — разговорная языковая модель, дообученная munish0838 на базе unsloth/mistral-7b-instruct-v0.3-bnb-4bit с использованием датасета 0-hero/Matter-0.1-Slim-A. Это плотная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; модель принимает текст и генерирует текст. Карточка указывает обучение с Unsloth и библиотекой TRL. Модель предназначена для диалоговой генерации текста. Карточка не описывает конкретные навыки датасета или результаты оценки качества, поэтому специализацию сверх общего назначения определить нельзя. Лицензия — Apache-2.0.

abideen/Mistral-v2-orpo — языковая модель на архитектуре Mistral, дообученная автором репозитория на Mistral-7B-v0.2 с использованием набора предпочтений argilla/distilabel-capybara-dpo-7k-binarized и метода Odds Ratio Preference Optimization (ORPO). Модель содержит 7,1 млрд параметров, рассчитана на контекст до 32 768 токенов и распространяется в форматах PyTorch и safetensors через Transformers. Модель предназначена для генерации текста и диалоговых ответов; обучение на данных предпочтений ориентировано на согласование ответов с предпочтениями пользователей. В карточке заявлена поддержка английского языка. Автор сообщает об обучении в течение одной эпохи; конкретные оценки приведены как общие результаты метода ORPO, поэтому их нельзя считать отдельной оценкой этого чекпойнта. Лицензия Apache-2.0.

MITRE-466M — мультиязычная авторегрессионная модель семейства MITRE, разработанная авторами проекта MITRE (Multilingual Translation with Registers) для перевода между языками. Она поддерживает прямой перевод в 552 направлениях между 24 языками пяти языковых семей. Модель содержит 516,2 млн параметров, принимает текст и выдаёт текст; для запуска предусмотрены Transformers и токенизатор SentencePiece. Контекст модели — 256 токенов. MITRE рассчитана на машинный перевод между поддерживаемыми языками, включая перевод без промежуточного перехода через английский. Авторы отмечают улучшения генерации относительно подхода M2M, направленные на снижение вычислительных затрат. Лицензия — MIT.

liminerity/mm4.more.star — плотная языковая модель семейства Llama, разработанная liminerity и дообученная на liminerity/mm4.ascii.star. Она предназначена для генерации текста и диалогового общения; модель содержит 2,7 млрд параметров и поддерживает контекст до 32 768 токенов. Для обучения использовались Unsloth и Hugging Face TRL. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0.

liminerity/mm4.star — диалоговая языковая модель, разработанная liminerity и основанная на архитектуре Llama. Это версия объёмом 2,7 млрд параметров, дообученная на liminerity/mm4.star; карточка сообщает об использовании Unsloth и библиотеки TRL при обучении. Модель предназначена для генерации текста и диалоговых сценариев на английском языке, поддерживает контекст до 32 768 токенов и распространяется в формате PyTorch. Модель выпущена по лицензии Apache-2.0. Карточка не описывает состав обучающих данных, результаты оценки качества или специальные меры безопасности, поэтому пригодность для конкретных задач следует проверять самостоятельно.

Momningojask-slerp — текстовая генеративная модель на архитектуре Mistral, созданная автором liminerity слиянием через mergekit методом SLERP. В слиянии использованы bardsai/jaskier-7b-dpo-v6.1 и liminerity/merge; базовой моделью указана bardsai/jaskier-7b-dpo-v6.1. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы. В карточке указана лицензия Apache-2.0. Данные о поддерживаемых языках и специальных областях применения не приведены.

zelk12/MT1-Gen5-GP-gemma-2-S4S2-9B — объединённая текстовая генеративная модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из allknowingroger/Gemmaslerp4-10B и allknowingroger/Gemmaslerp2-9B. Модель имеет 9 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате. Карточка подтверждает объединение предварительно обученных языковых моделей, но не описывает специальные предметные области, языки или сравнительные преимущества; качество и пригодность для конкретных задач требуют оценки на соответствующих данных. Лицензия в предоставленных сведениях не указана.

zelk12/MT1-Max-Merge_02012025163610-MA-gemma-2-MTM5MTM2MU-9B — объединённая методом SLERP языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Автор объединил две предварительно обученные модели: zelk12/MT-Merge5-gemma-2-9B и zelk12/MT-Merge2-MU-gemma-2-MTg2MT1g2-9B; веса сохранены в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, работает через библиотеку Transformers и имеет контекстное окно 8192 токена. Карточка не приводит результатов оценки качества или списка конкретных языков и предметных областей. Лицензия в предоставленных данных не указана.

Карточка модели zelk12/MT2-Max-Merge_02012025163610-MM-gemma-2-MT5g4MTM4-9B на Hugging Face совпадает с карточкой zelk12/MT-Max-Merge_02012025163610-MM-gemma-2-MT5g4MTM4-9B, поэтому описание составлено по ней. zelk12 разработал разговорную языковую модель, полученную слиянием двух предварительно обученных моделей Gemma 2 с помощью метода SLERP и инструмента mergekit. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM, рассчитана на генерацию текста и диалоги и работает через библиотеку Transformers. Контекстное окно составляет 8192 токена; веса опубликованы в формате safetensors. Модель подходит для генерации продолжений текста и ведения диалога. Карточка не приводит сведений о целевых языках, поэтому языковую специализацию определить нельзя. Условия лицензии в предоставленных данных не описаны.

zelk12/MT3-BMMGMU-gemma-2-9B — объединённая методом SLERP модель на базе Gemma 2, созданная с помощью mergekit. В слияние вошли zelk12/MT3-BMM-gemma-2-9B и zelk12/MT2-GMU-gemma-2-9B; конфигурация использует параметр смешивания t=0.5 и формат bfloat16. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и предназначена для генерации текста и диалогов. Она принимает текст, выдаёт текст и поддерживает контекст до 8192 токенов. Доступна в формате safetensors для Transformers. Карточка не описывает специализированные предметные области или сравнительные преимущества. Условия лицензирования в предоставленных данных не приведены.

zelk12/MT3-Gen4-MA-gemma-2-Sv1IBTMT2g2-9B — объединённая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2 с 9 млрд параметров. В состав объединения вошли gmonsoon/SahabatAI-Lion-9B-TIES-v1 и zelk12/MT2-Gen2-gemma-2-9B; в конфигурации указана базовая модель gmonsoon/SahabatAI-Lion-9B-TIES-v1 и формат весов bfloat16. Модель предназначена для диалогов и генерации текста по инструкциям. Базовая модель из каталога ориентирована на языки Юго-Восточной Азии и английский. Контекст составляет 8192 токена; модель использует Transformers и хранится в формате safetensors. Лицензия в предоставленных данных не приведена.

zelk12 создал эту разговорную языковую модель как слияние двух моделей Gemma 2 с помощью метода SLERP и инструмента mergekit. Модель предназначена для генерации текста в диалогах и имеет 9 млрд параметров; она построена на плотной архитектуре Gemma2ForCausalLM и распространяется в формате safetensors. Контекст составляет до 8192 токенов. Модель принимает текст и генерирует текст. Данных о специализации по предметным областям и языковой поддержке в карточке нет. Слияние объединяет характеристики исходных моделей, однако README не описывает ожидаемое качество или конкретные преимущества. Лицензия в предоставленных данных не указана.

zelk12 объединил методом SLERP две предварительно обученные языковые модели Gemma 2: MT4-Gen5-MU-gemma-2-N3N1532MT3g4-9B и MT4-Gen5-MM-gemma-2-MT3g4Rv0.4-9B. Результат — плотная авторегрессионная модель на 9 млрд параметров для генерации текста и диалогового взаимодействия. Модель предназначена для генерации ответов в чате и решения текстовых задач. Она принимает текст и выдаёт текст, использует библиотеку Transformers и имеет контекстное окно 8192 токена. Веса опубликованы в формате safetensors. В README не приведены результаты оценки качества или сведения о поддерживаемых естественных языках. Лицензия в предоставленных данных также не указана.

zelk12/MT-Gen4-MA-gemma-2-S5Sv1IBT-9B — объединённая методом SLERP модель семейства Gemma 2, созданная с помощью mergekit на основе allknowingroger/GemmaSlerp5-10B и gmonsoon/SahabatAI-Lion-9B-TIES-v1. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Её можно использовать для ответов на вопросы, ведения беседы и генерации текста по инструкциям; базовая модель ориентирована на языки Юго-Восточной Азии и английский. Контекстное окно — 8192 токена. В доступных сведениях лицензия не приводится.

zelk12 объединил методом SLERP две предварительно обученные языковые модели на базе Gemma 2 с помощью mergekit. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и распространяется в формате safetensors; для работы предусмотрена библиотека Transformers. Модель предназначена для диалогов и генерации текста. Контекст составляет до 8192 токенов. В карточке не указаны специальные предметные области или поддерживаемые языки. Репозиторий содержит объединённые веса; качество и конкретные языковые возможности в README не описаны. Лицензия в предоставленных данных не указана.

zelk12/MT-Merge4-BMUGI-gemma-2-9B — объединённая разговорная языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Она создана с помощью mergekit методом SLERP из моделей zelk12/MT-Merge4-BMU-gemma-2-9B и zelk12/MT-Merge4-GI-gemma-2-9B; веса представлены в формате safetensors, библиотека — Transformers. Модель предназначена для генерации текста и ведения диалогов. Она принимает текстовые запросы, выдаёт текст и рассчитана на контекст до 8192 токенов. Данные не уточняют целевые языки или специализированные области применения, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана. Сведения о качестве, ограничениях безопасности и результатах оценки также отсутствуют.

zelk12/MTM-Merge-MA-gemma-2-MTM4MTM5-9B — разговорная языковая модель на архитектуре Gemma 2, созданная слиянием двух предварительно обученных моделей: zelk12/MT-Merge4-gemma-2-9B и zelk12/MT-Merge5-gemma-2-9B. Для слияния применён метод SLERP с параметром t=0,25; веса представлены в формате safetensors, модель рассчитана на работу через библиотеку Transformers. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 9 млрд параметров и поддерживает контекст до 8192 токенов. Сведения о конкретных языках и специализированных предметных областях в использованных источниках отсутствуют.

MyAlee-Qwen-Instruct-v2-16k-v1 — дообученная Arcee AI модель Qwen2-7B для генерации текста в диалоговом формате. Она содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и распространяется в формате Safetensors. Метаданные указывают контекст до 131 072 токенов; название модели также содержит «16k», поэтому фактическую длину контекста стоит сверять с конфигурацией конкретного запуска. Модель подходит для генерации ответов и ведения текстового диалога. README сообщает о дообучении на датасете, обозначенном как None, и не приводит сведения о назначении, данных оценки или специальных областях применения. Лицензия — Apache 2.0.

my-first-model — англоязычная модель классификации текста, созданная дообучением DrKanthiKiran модели distilbert/distilbert-base-uncased. Она построена на архитектуре DistilBERT и предназначена для классификации последовательностей текста. В README приведены результаты на наборе оценки: accuracy 0,877 и F1 0,8781; описание датасета и подробности обучения отсутствуют. Модель принимает текст с контекстом до 512 токенов и выдаёт метки классов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

NeuraLake-m7-7B — объединённая модель для генерации текста, созданная Meggido с помощью mergekit на основе NeuralBeagle14-7B, loyal-piano-m7 и WestLake-7B-v2-laser-truthy-dpo. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; модель доступна в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель подходит для генерации текста по запросу, диалоговых сценариев и продолжения текста. Репозиторий содержит лицензию CC BY-NC 4.0, которая ограничивает коммерческое использование. README не описывает специальные предметные области или отдельные гарантированные возможности модели.

neural-chat-7b-v3-1-Nebula-v2-7B — объединённая модель на основе Intel/neural-chat-7b-v3-1 и адаптера PulsarAI/Nebula-v2-7B-Lora. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; доступна в формате safetensors и рассчитана прежде всего на английский язык. Модель опубликована Weyaxi и лицензирована по Apache 2.0. Карточка указывает на слияние базовой модели с LoRA-адаптером, однако не описывает специальные сценарии Nebula или результаты оценки качества.

NeuralMona_MoE-4x7B — языковая модель Mixture of Experts, созданная CultriX с помощью LazyMergekit путём объединения четырёх моделей: CultriX/MonaTrix-v4, mlabonne/OmniTruthyBeagle-7B-v0, CultriX/MoNeuTrix-7B-v1 и paulml/OmniBeagleSquaredMBX-v3-7B. В метаданных указаны архитектура Mixtral для причинной генерации текста, 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовым запросам и диалога в сценариях, где полезны возможности объединённых базовых моделей. README не приводит отдельных результатов оценки или подробного описания сильных сторон, поэтому качество для конкретных задач по имеющимся сведениям оценить нельзя. Репозиторий распространяется по лицензии Apache-2.0.

NeuralQwen-2.5-1.5B-Spanish — объединённая языковая модель Kukedlc на архитектуре Qwen2, созданная с помощью LazyMergekit из Qwen/Qwen2.5-1.5B-Instruct и Kukedlc/Qwen2.5-1.5B-Spanish-1.0-DPO. Модель с 1,5 млрд параметров предназначена для генерации текста и диалогов на испанском языке; также поддерживает интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов. Модель использует плотную архитектуру Qwen2ForCausalLM, веса доступны в формате safetensors, а лицензия — Apache-2.0. Её можно применять для общения на испанском, генерации ответов и работы с инструментами через соответствующий интерфейс. Как компактная модель, она может уступать более крупным моделям в сложных задачах; отдельные ограничения в карточке не описаны.

NeuralsirkrishnaShadow_Experiment26Experiment24 — языковая модель MaziyarPanahi, полученная слиянием двух моделей: automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Experiment24-7B. Она предназначена для генерации текста и может использоваться для диалогов, написания черновиков и продолжения текста. Модель построена на архитектуре Mistral с плотной архитектурой и содержит 7,1 млрд параметров. Она принимает текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0.