III.4Клиентская поддержка и customer success

StrangeMerges_44-7B-dare_ties — языковая модель, созданная Gille слиянием трёх моделей: Nexusflow/Starling-LM-7B-beta, nlpguy/T3QM7 и AurelPx/Percival_01-7b-slerp. Для объединения использован LazyMergekit и метод dare_ties; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, веса опубликованы в формате safetensors и типе bfloat16. Модель предназначена для генерации текста, в том числе диалоговых ответов. Контекст составляет до 32 768 токенов. В карточке не описаны специальные предметные области или поддерживаемые языки; базовая Starling-LM-7B-beta обозначена в метаданных как англоязычная чат-модель. Лицензия — Apache-2.0.

StrangeMerges_5-7B-ties — англоязычная разговорная модель для генерации текста, созданная объединением моделей методом TIES с помощью LazyMergekit. В конфигурации указаны mncai/mistral-7b-dpo-v5 как базовая модель и Gille/StrangeMerges_1-7B-slerp и BarryFutureman/NeuralTurdusVariant1-7B как объединяемые модели. Архитектура — плотная MistralForCausalLM на 7,1 млрд параметров; модель принимает текст, а контекстное окно составляет 32 768 токенов. Модель предназначена для диалогов и генерации текстовых ответов. README приводит результаты Open LLM Leaderboard, включая средний балл 73,89, но без полного набора результатов в предоставленной карточке. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Карточка модели espressovi/SUTRA-qwen3-8b-rlvr-close на Hugging Face совпадает с карточкой espressovi/SUTRA-qwen3-8b-rlvr, поэтому описание составлено по ней. SUTRA — языковая модель, разработанная для проекта SUTRA и дообученная методом обучения с подкреплением на основе Qwen3-8B-Base. Это плотная авторегрессионная модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате. В карточке указано обучение на наборе espressovi/BODHI-rlvr; модель поддерживает контекст до 32 768 токенов и работает с текстом на английском языке. Модель подходит для генерации ответов и ведения текстового диалога. Опубликована в формате safetensors под лицензией MIT. Карточка не описывает результаты оценки качества или дополнительные ограничения применения.

SylReg-LM-7B-Instruct — англоязычная диалоговая модель генерации текста, разработанная на базе Qwen2 и дообученная из ryota-komatsu/SylReg-LM-7B. В метаданных указана архитектура Qwen2ForCausalLM с плотными весами на 7,1 млрд параметров; модель работает через Transformers и принимает контекст длиной до 131 072 токенов. Модель предназначена для диалогов и генерации текста на английском языке. В карточке также приведены сведения о статье и обучающих данных, включающих LibriSpeech, Libriheavy и Emilia-Large, однако назначение этих аудиоданных для данной текстовой модели не поясняется. Лицензия — CC BY-NC-SA 4.0, предусматривающая некоммерческое использование и распространение производных на тех же условиях.

Synatra-7B-v0.3-RP-Mistral-7B-Instruct-v0.1 — чат-модель MaziyarPanahi, созданная слиянием Mistral-7B-Instruct-v0.1 и maywell/Synatra-7B-v0.3-RP методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации текста в ответ на инструкции и диалоговые запросы. Модель подходит для интерактивного общения и создания ответов в формате ролевого чата. Репозиторий содержит веса Safetensors в формате bfloat16. Язык корейский указан в метаданных карточки, однако README не описывает языковое покрытие подробнее. Модель распространяется по лицензии Apache-2.0.

T3Q-ko-solar-sft-v1.0 — разговорная языковая модель, разработанная Chihoon Lee и компанией T3Q. Это модель семейства Llama с плотной архитектурой LlamaForCausalLM и 10,6 млрд параметров, дообученная методом SFT на основе davidkim205/nox-solar-10.7b-v4. Она предназначена для генерации текста и ведения диалогов. Модель принимает текст и выдаёт текст; заявленная длина контекста — 4096 токенов. В карточке указан набор данных kyujinpy/KoCommercial-NoSSL. Модель распространяется по лицензии Apache-2.0.

T3qm7xNeuralsirkrishna_Experiment24Yam — объединённая языковая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment24Yam-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате Safetensors. Она опубликована под лицензией Apache 2.0. В доступных материалах не описаны специальные возможности, языковая специализация и результаты оценки качества.

T3qm7xNeuralsirkrishna_Inex16Calme — объединённая модель Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Inex16Calme-7B. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. README не уточняет целевые сценарии, языки обучения или ограничения качества; доступные метаданные также не позволяют определить их.

T3Q-Platypus-Mistral7B — англоязычная плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, разработанная Chihoon Lee и T3Q. Это дообученная версия bardsai/jaskier-7b-dpo-v6.1 на датасете Open-platypus-Commercial; модель предназначена для генерации текста и ответов на запросы. Поддерживает контекст до 32 768 токенов и работает с текстом на входе и выходе. Распространяется по лицензии Apache-2.0. Подробности о специализации, оценках качества и известных ограничениях в карточке не приведены.

Модель michelecafagna26/t5-base-finetuned-sst2-sentiment — версия T5-base от Google, дообученная автором репозитория для анализа тональности на датасете SST-2. Она классифицирует английский текст как положительный или отрицательный; подходит, например, для определения тональности отзывов и коротких пользовательских сообщений. Модель построена на архитектуре T5 с 123,8 млн параметров и принимает текст длиной до 512 токенов. Для формата классификации указана задача text-classification; веса доступны в форматах PyTorch и Safetensors. В README приведены метрики на валидационной выборке SST-2: F1 составляет 0,95 для отрицательного и положительного классов. Эти результаты относятся к указанному набору данных и не гарантируют такую же точность на других типах текста. Модель распространяется по лицензии Apache-2.0.

badalsahani/text-classification-multi — модель классификации текста, обученная разработчиком с помощью AutoTrain. Она решает задачу многоклассовой классификации и принимает текст для предсказания класса; модель можно вызывать через Inference API или использовать в экосистеме Transformers и PyTorch. Модель основана на BERT с головой BertForSequenceClassification, содержит 432,3 млн параметров и рассчитана на последовательности длиной до 512 токенов. В карточке указан английский язык и набор данных badalsahani/autotrain-data-text-classification. На валидации заявлены accuracy и F1, precision и recall со значениями 1,000, однако сведения о размере и составе выборки не приведены, поэтому эти результаты не гарантируют качество на новых данных. Лицензия в предоставленных сведениях не указана.

ThetaMaven7 — объединённая модель для генерации текста, созданная jefferylovely методом LazyMergekit из ThetaMaven5 и WestLake-7B-v2-laser-truthy-dpo. Веса объединены методом SLERP с точностью bfloat16; архитектура — плотная Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка не описывает специализацию по предметным областям или языкам. Репозиторий содержит веса в формате safetensors; лицензия — CC BY-NC-ND 4.0, с условиями атрибуции и ограничениями на коммерческое использование и распространение производных версий.

T-one — потоковая модель автоматического распознавания русской речи, разработанная T-Software DC для телефонных разговоров и других аудиосценариев. В состав решения входят акустическая модель, детектор границ фраз и декодер CTC с поиском по лучу на основе KenLM; доступны примеры для потоковой и пакетной обработки, дообучения и развёртывания. Акустическая часть содержит 71 млн параметров и основана на архитектуре Conformer с CTC-обучением. Она обрабатывает аудио фрагментами по 300 мс и поддерживает потоковый вывод текста с временными метками слов. В README приведены результаты сравнительных тестов, в которых модель показывает сильные результаты на телефонных данных, включая записи колл-центров. Модель обучена на более чем 80 тысячах часов русской речи из телефонных, дальнепольных и смешанных данных. Хотя основной сценарий — телефонное аудио, README указывает на устойчивость к другим доменам. Модель распространяется по лицензии Apache-2.0.

TopEvolution16 — объединённая языковая модель для генерации текста, созданная сообществом mergekit-community с помощью mergekit. В слиянии методом SLERP использованы mergekit-community/TopEvolution и NousResearch/Hermes-2-Theta-Llama-3-8B; в метаданных архитектура указана как MistralForCausalLM, плотная модель на 7,1 млрд параметров. Репозиторий содержит веса Safetensors, исходная конфигурация слияния задаёт тип bfloat16. Модель предназначена для генерации текста и диалоговых сценариев. Контекстное окно составляет 32 768 токенов. Базовая модель Hermes-2-Theta-Llama-3-8B описана как диалоговая модель на базе Llama 3 для следования инструкциям, вызова функций и генерации ответов в JSON; эти возможности не подтверждены отдельно для результата слияния. Лицензия в предоставленных данных не указана.

SzilviaB/Triple-SOLAR-2x10.7b-truthy-dpo-SKEWED — разговорная языковая модель для генерации текста, полученная слиянием через TIES с помощью mergekit. В конфигурации трижды использована модель macadeliccc/SOLAR-2x10.7b-truthy-dpo с разными параметрами плотности и весами; результат сохранён в формате float16. Архитектура Mixtral с MoE-компонентами, размер — 10,6 млрд параметров, контекст — до 4096 токенов. Модель предназначена для диалоговой генерации ответов и продолжения текста. Карточка и метаданные не уточняют языковую специализацию или отдельные прикладные области. Лицензия в предоставленных данных не указана.

Tulu V2.5 DPO 13B — англоязычная чат-модель из серии помощников Tulu, разработанной Allen Institute for AI (AI2). Она дообучена методом DPO на базе Tulu 2 с использованием очищенного набора Argilla Orca DPO Pairs; метаданные указывают базовую модель allenai/tulu-2-13b. Модель с архитектурой Llama 2 содержит 12,9 млрд параметров, принимает текстовые запросы и генерирует текст. Контекст составляет 4096 токенов. Модель предназначена для диалогов с помощником и выполнения инструкций на английском языке, включая ответы на вопросы и генерацию текста. Для лучшего качества следует использовать предусмотренный шаблон чата и соблюдать форматирование сообщений. Модель распространяется по лицензии Apache 2.0. Она не была выровнена на безопасную генерацию в рамках RLHF и не включает фильтрацию ответов во время работы, поэтому может выдавать проблемный контент, особенно в ответ на соответствующие запросы.

NetworkIsLife/twitter-xlm-roberta-base-sentiment-fast — копия модели Cardiff NLP для классификации тональности сообщений в соцсетях и коротких текстов. Основа — XLM-RoBERTa с архитектурой XLMRobertaForSequenceClassification и 305,2 млн параметров; модель принимает текст и относит его к одному из трёх классов: Negative, Neutral или Positive. Контекст составляет до 514 токенов. Веса побайтно совпадают с cardiffnlp/twitter-xlm-roberta-base-sentiment. Дополнительно репозиторий содержит tokenizer.json, созданный для загрузки быстрого токенизатора без проблем конвертации SentencePiece в Transformers v5; по карточке, токенизатор выдаёт те же идентификаторы токенов, что и исходный медленный токенизатор. Поддерживается многоязычный ввод. Модель предназначена, в частности, для анализа тональности твитов и коротких сообщений. Для работы доступны веса PyTorch, SafeTensors и TensorFlow. Лицензия в предоставленных данных не указана. Классы ограничены отрицательной, нейтральной и положительной тональностью; точность для отдельных языков и типов текста в карточке не приведена.

ukr-detect/ukr-emotions-classifier — модель классификации текста, разработанная ukr-detect для распознавания эмоций в украинских текстах. Она дообучена на intfloat/multilingual-e5-large на обучающей части набора ukr-detect/ukr-emotions-binary и использует архитектуру XLM-RoBERTa с классификационной головой. Модель содержит 658,7 млн параметров, принимает текст с контекстом до 514 токенов и для каждой эмоции выдаёт метку 0 или 1. Классификатор определяет радость, гнев, страх, отвращение, удивление, грусть и отсутствие этих эмоций. Он допускает несколько эмоций одновременно и подходит для анализа сообщений и других коротких украинских текстов. В отчёте на тестовой части датасета F1 для радости составил 0,73, для страха — 0,81, для гнева — 0,31; качество зависит от класса, а низкий recall для гнева указывает на частые пропуски этой эмоции. Лицензия модели — OpenRAIL++; перед использованием следует учитывать её условия.

Viking-SlimSonnet-v1-7B — диалоговая языковая модель, разработанная mpasila на базе LumiOpen/Viking-7B. Модель дообучена методом LoRA на наборе SlimOrca, очищенном от примеров длиннее 4076 токенов; использован формат диалогов ChatML. Это плотная архитектура Llama с 7 млрд параметров и контекстом 4096 токенов. Модель предназначена для генерации ответов в диалоге и других текстовых продолжений. В карточке указаны английский и скандинавские языки: финский, шведский, норвежский, датский и исландский; базовая Viking-7B ориентирована преимущественно на финский и скандинавские языки. Модель опубликована в формате safetensors по лицензии Apache-2.0.

VPO-Pess-Zephyr-7B-0.0001-iter-1 — плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, дообученная Katayoon на основе Katayoon/DPO-ONLY-Zephyr-7B на обновлённом и исходном наборах данных. Модель предназначена для диалогов и генерации текстовых ответов; в метаданных указана возможность chat и контекст до 32 768 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. README не приводит оценок качества или подробных сценариев применения; пригодность ответов следует проверять для конкретных задач.

Werewolf AI 3B — языковая модель на архитектуре Llama, разработанная hruddayansh и дообученная на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Модель содержит 3,2 млрд параметров, принимает текст и предназначена для генерации текста в диалоговом формате; заявленный контекст составляет 131 072 токена. В карточке также отмечен интерфейс вызова инструментов. Модель подходит для диалоговых сценариев и генерации ответов на английском языке. Веса размещены в формате safetensors, лицензия — Apache 2.0. Карточка не описывает датасет или специализацию дообучения, поэтому её качество в конкретных предметных областях по имеющимся данным оценить нельзя.

WestLakev2-IreneRP-Neural-7B-slerp — объединённая текстовая модель на базе Mistral, созданная с помощью LazyMergekit из Smuggling1710/IreneRP-Neural-7B-slerp и macadeliccc/WestLake-7B-v2-laser-truthy-dpo. Для объединения использован метод slerp с настройками смешивания для слоёв self-attention и MLP. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста, в том числе диалоговых ответов и продолжения текста. В репозитории представлены веса Safetensors. Лицензия в доступных данных не указана. Качество и поведение унаследованы от объединяемых моделей; отдельные результаты оценки или рекомендации по развёртыванию в карточке не приведены.

WildWest-Variant3-7B — разговорная языковая модель на 7,1 млрд параметров, созданная BarryFutureman путём слияния четырёх моделей с помощью mergekit. Она основана на архитектуре Mistral и предназначена для генерации текста и диалоговых сценариев на английском языке. Контекстное окно составляет 32 768 токенов. Модель распространяется в формате Safetensors под лицензией Apache-2.0. В карточке не описаны специальные предметные области или дополнительные возможности помимо чата и генерации текста.

WitchLM-1.5B — языковая модель, разработанная arcee-ai и дообученная на базе Qwen/Qwen2-1.5B. Это плотная причинная языковая модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Заявленная длина контекста составляет 131 072 токена. Модель подходит для генерации ответов и продолжения текста в чат-сценариях. В карточке приведены результаты оценок на нескольких бенчмарках, включая IFEval, GPQA и MMLU-Pro, но подробности методики и обучающих данных не описаны. Доступны веса в формате safetensors; лицензия — Apache-2.0.

WizardLM-2-8x22B-Beige — объединённая диалоговая языковая модель, созданная с помощью mergekit на основе alpindale/WizardLM-2-8x22B и моделей Eurux, Tess и Mixtral Instruct. Слияние выполнено методом Model Stock в формате bfloat16. Модель предназначена для генерации текста в диалоге; её автор стремился сделать стиль ответов WizardLM-2-8x22B менее многословным и образным. Модель использует архитектуру Mixtral MoE и содержит 22 млрд параметров, поддерживает контекст до 65 536 токенов. Подходит для диалоговых ответов и генерации текста на основе запросов. Карточка не уточняет языковой охват и не приводит оценок качества. Распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

XLM-RoBERTa-German-Sentiment — модель классификации тональности на базе XLM-RoBERTa, опубликованная пользователем ssary на Hugging Face. Она дообучена на более чем 200 тысячах немецкоязычных примеров и предназначена прежде всего для определения тональности немецких текстов. Автор сообщает о взвешенном F1 87%. Модель также может обрабатывать тексты на английском, арабском, французском, хинди, итальянском, португальском и испанском языках, однако обучение и тестирование проводились только на немецком, поэтому для остальных языков качество ниже. Это плотная модель для классификации последовательностей размером 305,2 млн параметров с контекстом до 514 токенов; она работает через Transformers и доступна в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

YamshadowInex12_Experiment29Experiment24 — слитая модель для генерации текста, построенная на двух моделях: automerger/YamshadowInex12-7B и automerger/Experiment29Experiment24-7B. Она разработана и опубликована MaziyarPanahi. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Её можно применять для генерации продолжений и ответов на текстовые запросы. В репозитории веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Данных о специальных предметных областях и ограничениях качества в карточке нет.

YamshadowInex12_Experiment29Pastiche — объединённая модель для генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment29Pastiche-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README подтверждает объединение двух базовых моделей, но не описывает специальные настройки, обучение или ограничения качества.

MaziyarPanahi/YamshadowInex12_Inex12Yam — слитая автором карточки модель на базе двух моделей: automerger/YamshadowInex12-7B и automerger/Inex12Yam-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и имеющая контекст до 32 768 токенов. Модель принимает текстовые запросы и генерирует текст; её можно применять для диалогов, написания черновиков и продолжения текста. В карточке указана лицензия Apache-2.0. Данные не описывают специальную предметную область или подтверждённое качество на конкретных задачах.

YamshadowInex12_Multi_verse_modelM7 — слитая модель генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/Multi_verse_modelM7-7B. Она построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; максимальная длина контекста — 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не описывает специальные сценарии, языковую специализацию или результаты оценки качества.