III.4Клиентская поддержка и customer success

NeuralsirkrishnaShadow_Experiment26Strangemerges_32 — объединённая модель семейства Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Strangemerges_32-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и опубликована в формате safetensors. Модель можно применять для генерации продолжений текста и диалоговых ответов. Репозиторий распространяется по лицензии Apache 2.0. Карточка не описывает специальные области применения или отдельные ограничения качества.

NeuralsirkrishnaShadow_YamshadowT3q — объединённая причинно-языковая модель семейства Mistral, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/YamshadowT3q-7B. Она содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на её основе. Карточка базовой модели YamshadowT3q-7B указывает на генерацию текста и ответы на математические запросы, однако отдельные характеристики математических возможностей итоговой модели не приведены. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Данных о поддерживаемых естественных языках и ограничениях качества в карточке нет.

NeuralStar_FusionWriter_4x7b — объединённая языковая модель семейства Mixtral с архитектурой Mixture of Experts, созданная OmnicromsBrain с помощью LazyMergekit. В слиянии использованы mlabonne/AlphaMonarch-7B, OmnicromsBrain/Eros_Scribe-7b, SanjiWatsuki/Kunoichi-DPO-v2-7B и OmnicromsBrain/NeuralStar_Fusion-7B. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для написания и продолжения текстов, ответов на запросы и ведения беседы. В карточке упомянуты отдельные статические и imatrix-квантизированные варианты GGUF, подготовленные MRadermacher; основной репозиторий использует формат safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или конкретных языковых ограничений; перечисление использованных моделей само по себе не гарантирует одинаковое качество их возможностей в объединённой модели.

NeuralStock-7B-v3 — объединённая автором Kukedlc языковая модель для генерации текста и диалогов. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — до 32 768 токенов. Модель объединяет NeuralMaths-Experiment-7b, NeuralArjuna-7B-DT и NeuralSirKrishna-7b методом model_stock с помощью LazyMergekit, используя NeuralStock-7B-v2 как базовую модель. Модель подходит для диалоговых сценариев и генерации текста. Данные карточки не уточняют специализацию, поддерживаемые языки или конкретные результаты оценки качества. В репозитории указаны веса safetensors; лицензия в предоставленных данных не приведена.

Neurotic-Momningojask-slerp — объединённая модель для генерации текста, созданная liminerity с помощью mergekit. В слиянии методом slerp использованы liminerity/merge и CorticalStack/neurotic-crown-clown-7b-ties; базовой указана liminerity/merge. Модель основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Для неё указан контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. README не описывает отдельные специализации или результаты оценки качества.

NextDropModel — дообученная языковая модель, опубликованная MahiShah30 на базе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM; она предназначена для генерации текста и диалогового взаимодействия. В метаданных указаны 7,5 млрд параметров, контекст до 131 072 токенов, поддержка английского языка и интерфейс вызова инструментов. Модель обучена с использованием Unsloth и библиотеки Hugging Face TRL. Карточка не описывает специализацию дообучения, набор данных или результаты оценки, поэтому качество для конкретных предметных задач определить нельзя. Лицензия — Apache-2.0.

Nova 2 Lite — мультимодальная модель Amazon для повседневных задач с упором на скорость, экономичность и рассуждения. Она принимает текст, изображения и видео и генерирует текст.

open-aditi-hi-v1 — это дообученная модель ManishiiTG на базе Mistral-7B-v0.1 с 7,1 млрд параметров. Она предназначена для генерации связного текста на хинди и английском языках, включая написание контента, ролевые диалоги, классификацию и ответы в чат-сценариях. Модель имеет архитектуру MistralForCausalLM и контекстное окно до 32 768 токенов; веса доступны в формате safetensors. В качестве обучающих данных указаны наборы manishiitg/aditi-gpt4-v2-hi-200K, manishiitg/en-hi-instruct-v2 и manishiitg/en-hi-chat-v2. Примеры в карточке показывают ответы на хинди, однако качество ответов может быть непоследовательным: модель допускает неточности и неестественные формулировки. Разработчик отдельно отмечает, что модель не оптимизирована для программирования и математических задач. Лицензия — Apache-2.0.

OpenBuddy/openbuddy-llama2-13b-v8.1-fp16 — многоязычная чат-модель OpenBuddy на архитектуре LLaMA 2, созданная на основе моделей Meta. Это плотная авторегрессионная модель с 12,9 млрд параметров для генерации ответов в диалоге и других задач продолжения текста. Репозиторий содержит веса PyTorch в формате FP16; нативный контекст составляет 2048 токенов. Модель ориентирована на общение и генерацию текста на китайском, английском, французском, немецком, японском, корейском, итальянском и русском языках. Для скачивания и использования требуется одобрение Meta и соблюдение лицензии Meta для LLaMA. Модель может выдавать ошибочные, вредные или оскорбительные ответы и не предназначена для медицинских, финансовых, юридических и других критически важных решений.

OpenBuddy-stablelm-3b-v13 — многоязычная разговорная модель из семейства OpenBuddy, построенная на архитектуре StableLM Epoch и предназначенная для генерации текста в формате чат-бота. Модель содержит 2,7 млрд параметров, принимает текст и использует контекст до 4096 токенов. Модель рассчитана на диалоговые сценарии на китайском, английском, французском, немецком, японском, корейском, итальянском и русском языках. Её можно применять для ответов на вопросы, ведения беседы и генерации текста. Модель распространяется под лицензией CC BY-SA 4.0. Ответы могут быть ошибочными, вредными или оскорбительными. Разработчики предостерегают от применения модели в критических и высокорисковых сценариях, включая медицину, управление потенциально опасными системами, а также принятие важных финансовых и юридических решений.

OpenSparrow-1.5B — текстовая генеративная модель NewstaR на архитектуре MixFormer Sequential. Она предназначена для диалогов с пользователем и генерации текстов в factual, creative и informative стилях; карточка приводит пример ответа на приветствие и описывает ассистента как вежливого и уважительного. Модель обучалась на наборе данных KaleidoSG/opensparrow-gpt и принимает запросы в GPT prompt template. Контекст модели составляет 2048 токенов. В репозитории указаны веса PyTorch, а лицензия обозначена как other. Карточка не сообщает дополнительных деталей о составе обучающих данных или ограничениях качества.

Это модель машинного перевода OPUS-MT для перевода текста с английского на португальский, разработанная на базе Helsinki-NLP/opus-mt-tc-big-en-pt. Она использует архитектуру MarianMT и содержит 156,8 млн параметров; модель предназначена для работы через Transformers-совместимые инструменты Marian. Для неё указан контекст длиной до 1024 токенов и обучение на данных OPUS. Модель подходит для перевода документов, статей и пользовательских сообщений с английского на португальский. В карточке исходной модели приведены оценки BLEU 50,4 на flores101-devtest и 49,6 на tatoeba-test-v2021-08-07; эти результаты не проверялись независимо для данного репозитория. Качество может меняться в зависимости от тематики и стиля текста. Репозиторий содержит зеркальную публикацию исходных весов в safetensors без дополнительной конвертации или дообучения. Лицензия — CC BY 4.0.

opus-mt-en-ROMANCE — модель машинного перевода Helsinki-NLP для перевода с английского на французский, испанский, португальский, итальянский, румынский и другие романские языки и их варианты. Она построена на архитектуре Marian Transformer, содержит 58,4 млн параметров и рассчитана на контекст до 512 токенов. Для выбора языка перевода перед текстом требуется указать начальный токен целевого языка вида >>id<<; предварительная обработка включает нормализацию и SentencePiece. Модель обучена на данных OPUS и поддерживает перевод на широкий набор языковых вариантов, включая региональные варианты французского, испанского и португальского. В карточке приведён результат для теста Tatoeba.en.la: BLEU 50,1 и chr-F 0,693. Доступны форматы PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0.

PESTO-llama-base — дообученная Jake Boggs модель на основе unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для диалогов и генерации текста; заявленная длина контекста — до 131 072 токенов. Модель распространяется в формате Safetensors и использует библиотеку Transformers. README не раскрывает назначение дообучения, обучающий набор данных или результаты оценки, поэтому модель можно описать только как разговорную текстовую модель общего назначения. Лицензия — llama3.1; условия её применения определяются соответствующей лицензией базовой модели.

bunnycore/Phi-3.5-mini-TitanFusion-0.2 — объединённая модель генерации текста на архитектуре Phi-3.5, созданная с помощью mergekit методом TIES на базе microsoft/Phi-3.5-mini-instruct. В слияние вошли несколько моделей семейства Phi-3.5, включая варианты для диалогов и ролевой генерации, а также phi3.5-gutenberg-4B и адаптер EvolKit. Модель содержит около 3,7 млрд параметров, работает через Transformers и имеет контекстное окно 4096 токенов. Модель предназначена для диалогов и генерации текста. Её можно использовать для интерактивного общения, продолжения текста и творческого письма. Базовая Phi-3.5-mini-instruct описана как многоязычная, но конкретные языки этой объединённой версии в карточке не перечислены. Репозиторий содержит веса в формате safetensors. Сведения о лицензии и специальных ограничениях качества в предоставленной карточке отсутствуют.

RyotaKadoya1993/phi3_wiki_merged — дообученная разработчиком RyotaKadoya1993 модель Mistral для генерации текста и диалогов. Она основана на RyotaKadoya1993/phi3_translator_merged3 и обучалась с использованием Unsloth и библиотеки TRL. Модель содержит 13,8 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. В метаданных указан английский язык и возможность диалогового взаимодействия. Веса доступны в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Карточка модели arefehRajabian/phi_finetune_microsoft_16bit на Hugging Face совпадает с карточкой arefehRajabian/phi_finetune_16bit, поэтому описание составлено по ней. Модель arefehRajabian/phi_finetune_16bit — дообученная автором arefehRajabian разговорная языковая модель для генерации текста. Она основана на unsloth/phi-4-bnb-4bit; карточка сообщает об обучении с помощью Unsloth и библиотеки TRL. В репозитории представлены веса Safetensors, размер модели — 14,1 млрд параметров, контекст — до 16 384 токенов. Модель поддерживает английский язык и предназначена для диалогового взаимодействия и генерации текста. Лицензия — Apache-2.0. Карточка не уточняет специализацию дообучения и его результаты.

WesPro/PsyKidelic_Llama3_LimaRP — объединённая языковая модель, созданная WesPro с помощью mergekit линейным слиянием WesPro/PsykidelicLlama3 и mpasila/Llama-3-LimaRP-LoRA-8B. Она предназначена для генерации текста в диалоговом формате и может использоваться для ведения бесед и создания ответов на текстовые запросы. Модель основана на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Репозиторий хранит веса в формате safetensors; README указывает на слияние в float16. Лицензия в предоставленных данных не указана.

SvalTek/Q2.5-ColdBrew-Antrax-Forge-10B-TestSFT0 — дообученная SvalTek модель семейства Qwen2 для генерации текста в диалоговом формате. В README указано, что обучение выполнялось с помощью Unsloth и библиотеки TRL; модель содержит 9,4 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 131 072 токенов. Карточка и метаданные указывают английский язык. Модель предназначена для генерации ответов и ведения текстового диалога. Она распространяется в формате safetensors по лицензии Apache-2.0. README не описывает специализацию дообучения, результаты оценки качества или дополнительные ограничения применения.

Эта модель — дообученная anggapradana версия языковой модели Qwen2.5-1.5B-Instruct-bnb-4bit от Unsloth. Она использует плотную архитектуру Qwen2 и предназначена для генерации текста и диалоговых сценариев. Модель содержит 1,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. В карточке указано, что для обучения использовались Unsloth и библиотека TRL; данных о специальной области применения или отдельной оценке качества нет.

Модель fathulhudoyo/qwen25-1.5b-alpaca-id-sft разработана fathulhudoyo и представляет собой дообученную версию Qwen2.5-1.5B Instruct. Это плотная авторегрессионная языковая модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель подходит для генерации ответов и ведения диалога на основе текстовых запросов. Максимальная длина контекста составляет 32 768 токенов; в метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

bunnycore/Qwen-2.5-7B-Deep-Stock-v3 — разговорная языковая модель, созданная разработчиком bunnycore слиянием нескольких предварительно обученных моделей семейства Qwen2.5 с помощью mergekit и метода Model Stock. В качестве базовой указана fblgit/cybertron-v4-qw7B-UNAMGS; в слияние также вошли Qwen2.5-7B-della-test, Qwen2.5-7B-nerd-uncensored-v1.0 вместе с Persona LoRA и Qwen-2.5-7B-Deep-Stock-v2. Модель построена на плотной архитектуре Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста и диалогового общения; репозиторий предоставляет веса Safetensors для библиотеки Transformers. В карточке не приведены результаты оценки качества или подробные рекомендации по использованию. Лицензия в предоставленных данных не указана.

munish0838/Qwen2-7b-Matter-0.1-Slim-A — дообученная языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, созданная munish0838 на базе unsloth/Qwen2-7b-bnb-4bit. Модель предназначена для генерации текста в диалоговом формате и поддерживает английский язык. Для обучения использовались Unsloth и библиотека Hugging Face TRL; заявленный размер контекстного окна — 131 072 токена. Модель можно применять для генерации ответов и ведения текстовых диалогов. Она распространяется по лицензии Apache-2.0. Подробные сведения о наборе обучающих данных и оценке качества в карточке не приведены.

Qwen2-Mix-7B — разговорная языковая модель на архитектуре Qwen2, созданная bunnycore путём объединения нескольких моделей с помощью mergekit. Репозиторий содержит веса в формате safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Объединение включает bunnycore/Qwen-Mix-7B, maywell/Qwen2-7B-Multilingual-RP и cognitivecomputations/dolphin-2.9.2-qwen2-7b; в конфигурации mergekit указаны метод model_stock и формат bfloat16. Лицензия — Apache-2.0. Модель унаследовала мультиязычную направленность одной из базовых моделей и ориентирована на чат, однако README не приводит результаты оценки качества или подробный перечень языков и специальных навыков. Как и другие генеративные языковые модели, она может выдавать неточные или выдуманные сведения.

Карточка модели hoangducanh1865/qwen3-1.7b-deita-sft-student на Hugging Face совпадает с карточкой pvdhihihi/qwen-1.7b-sft, поэтому описание составлено по ней. Qwen3-1.7B-SFT — дообученная на датасете HuggingFaceH4/deita-10k-v0-sft языковая модель на архитектуре Qwen3. Её разработчик — владелец репозитория pvdhihihi/qwen-1.7b-sft; в основе лежит Qwen/Qwen3-1.7B-Base с 1,7 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и доступна в формате safetensors для библиотеки Transformers. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов. Репозиторий не уточняет целевые языки, качество на конкретных задачах или ограничения применения. Лицензия — Apache-2.0.

TeichAI/Qwen3-4B-Instruct-2507-Polaris-Alpha-Distill — плотная языковая модель семейства Qwen3 на 3,7 млрд параметров, дообученная TeichAI на 1 000 примерах из Polaris Alpha, раннего снимка GPT-5.1 с минимальным уровнем рассуждений. Модель предназначена для генерации текста в диалогах и выполнения инструкций; заявлена как вариант без режима рассуждений. Поддерживает контекст до 262 144 токенов и интерфейс вызова инструментов. В репозитории представлены веса safetensors; README также упоминает доступные варианты GGUF. Модель может быть полезна для диалоговых ассистентов и генерации ответов на инструкции. Карточка указывает английский язык. Она унаследовала основу от unsloth/Qwen3-4B-Instruct-2507 и обучалась с использованием Unsloth и Hugging Face TRL. Лицензия — Apache-2.0. Дообучение на небольшом наборе примеров ограничивает основания для ожиданий широких или стабильных улучшений относительно базовой модели.

OP12138/qwen3-4b-star1 — дообученная модель Qwen3-4B, созданная на наборе данных star1. Она предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекстное окно до 40 960 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. В карточке не описаны специализация датасета star1, результаты оценки или дополнительные ограничения. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией репозитория и базовой модели.

maheshrawat18/Qwen3-8B-grpo-emotion-v5-merged — дообученная модель семейства Qwen3, разработанная maheshrawat18 на основе maheshrawat18/Qwen3-8B-grpo-emotion-v4-merged. Это плотная авторегрессионная языковая модель с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате. В метаданных указан контекст до 40 960 токенов и поддержка английского языка. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. В README отмечено, что обучение проводилось с Unsloth; дополнительных сведений о задачах эмоциональной классификации или специальных возможностях карточка не содержит.

SuperXyrex/qwen3-finetuned — дообученная компанией или автором SuperXyrex модель Qwen3-0.6B для генерации текста и диалогов. Она построена на плотной архитектуре Qwen3ForCausalLM, содержит 507,9 млн параметров и поддерживает контекст до 40 960 токенов. Модель рассчитана на текстовые запросы и генерацию текстовых ответов; базовая Qwen3 многоязычна, но конкретные языки и специализация дообучения не раскрыты. Модель можно применять для диалоговых сценариев и генерации текста общего назначения. В карточке приведено значение loss 2,0564 на оценочном наборе, однако набор данных, методика и результаты сравнительной оценки не описаны, поэтому по этому числу нельзя судить о качестве для конкретных задач. Лицензия — Apache-2.0.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.375 — объединённая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная с помощью mergekit методом SLERP из recoilme/recoilme-gemma-2-9B-v0.4 и lemon07r/Gemma-2-Ataraxy-v2-9B. Она предназначена для генерации текста и диалогового взаимодействия, включая выполнение инструкций и творческое письмо. Модель принимает текст и выдаёт текст. Контекст составляет 8192 токена. Веса представлены в формате safetensors; в конфигурации слияния указан тип bfloat16. Языки применения в карточке не перечислены. Это экспериментальное слияние моделей; карточка не приводит результатов оценки качества или подробных ограничений. Лицензия в предоставленных данных не указана.