III.4Клиентская поддержка и customer success

YamshadowInex12_PasticheInex12 — объединённая модель для генерации текста, созданная из automerger/YamshadowInex12-7B и automerger/PasticheInex12-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; максимальная длина контекста составляет 32 768 токенов. Модель подходит для диалогов и генерации текста. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0. README не приводит дополнительных сведений о языках, обучении и качестве модели.

YamshadowStrangemerges_32_Inex12Experiment28 — объединённая модель Mistral с 7,1 млрд параметров, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/Inex12Experiment28-7B. Репозиторий содержит веса в формате safetensors; модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель можно использовать для генерации продолжений, черновиков и ответов на текстовые запросы. Данные не уточняют её специальные предметные области, языки или отличительные качества, поэтому оценивать результаты следует на задачах конкретного применения. Лицензия — Apache-2.0.

Ziya-Writing-LLaMa-13B-v1 — языковая модель IDEA-CCNL из серии Ziya, созданная на архитектуре LLaMA с 12,9 млрд параметров. Это инструкционно дообученная модель, усиленная для задач письма; в обучении использовались данные по письму, общие инструкции и обучение с обратной связью от людей (RM и PPO). Модель предназначена для подготовки официальных отчётов, выступлений, писем, рекламных и творческих текстов, а также ответов на разнообразные инструкции. В карточке заявлена поддержка английского и китайского языков. Модель принимает текст и генерирует текст; длина контекста — 2048 токенов. Авторы сообщают об улучшении качества письма по результатам сравнительной оценки, однако оценивание проводилось на 100 инструкциях, а качество текста субъективно. Лицензия репозитория — GPL-3.0, при этом README отдельно предупреждает, что из-за ограничений лицензии исходных весов LLaMA модель нельзя использовать коммерчески и необходимо соблюдать политику LLaMA.

Это текстовая генеративная модель Mistral с 7,1 млрд параметров, дообученная ShenaoZ на основе HuggingFaceH4/mistral-7b-sft-beta на наборах данных updated и original. Модель предназначена для диалогового общения и генерации ответов на текстовые запросы; каталог отмечает поддержку чата. Максимальная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. README не содержит сведений о специализированных областях применения или результатах оценки, поэтому качество и ограничения в конкретных сценариях по доступным данным определить нельзя.

Это диалоговая модель генерации текста, разработанная ShenaoZ как дообученная версия ShenaoZ/0.0001_sft_nodpo_4iters_bs256_5102lr_iter_1 на обновлённом и исходном наборах данных. Модель использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и принимает текст для генерации ответов и продолжений. Модель поддерживает контекст до 32 768 токенов и распространяется в формате safetensors по лицензии MIT. В метаданных отмечена возможность диалога. Подробные сведения о качестве, методике обучения и ограничениях в карточке отсутствуют.

Модель ShenaoZ/0.0001_withdpo_4iters_bs256_4444lr_iter_1 — дообученная версия Mistral-7B-SFT-Beta с архитектурой MistralForCausalLM и 7,1 млрд параметров. Её обучали на наборе HuggingFaceH4/ultrafeedback_binarized с использованием DPO; модель предназначена для генерации текста и общения в формате чата. Модель принимает текст и выдаёт текст. Контекстное окно составляет 32 768 токенов. Карточка указывает лицензию MIT. README не содержит сведений об оценке качества или конкретных ограничениях; модель унаследовала зависимость от качества обучающих данных и может выдавать неточные ответы.

Модель 0.0001_zephyr_5551_4iters_bs256_iter_1 — диалоговая текстовая модель, дообученная разработчиком ShenaoZhang на базе HuggingFaceH4/mistral-7b-sft-beta с использованием набора HuggingFaceH4/ultrafeedback_binarized. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; доступна в формате Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев: ответов на вопросы и общения в текстовом формате. В метаданных указана лицензия MIT. README не содержит сведений о результатах оценки, специальных ограничениях или поддерживаемых языках самой модели; базовая модель описана как обученная на англоязычных синтетических диалогах.

Это диалоговая модель генерации текста семейства Mistral, дообученная автором репозитория на ShenaoZ/0.0005_betadpoinit_4iters_bs256_5551lr_iter_2 с использованием обновлённого и исходного датасетов. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев текстовой генерации. В метаданных указаны DPO и разговорный формат; README не приводит описания обучения, оценки качества или специальных областей применения. Репозиторий распространяется по лицензии MIT.

ShenaoZhang выпустил дообученную модель Mistral с плотной архитектурой и 7,1 млрд параметров. Она предназначена для генерации текста и диалогового общения; карточка указывает, что модель дообучена на обновлённом и исходном наборах данных. Базовая модель — HuggingFaceH4/mistral-7b-sft-beta, её контекст составляет до 32 768 токенов. Модель принимает текст и генерирует текст. Сведения о конкретных сценариях, оценке качества и языках дообучения в карточке не приведены. Распространяется по лицензии MIT.

Это дообученная разговорная модель генерации текста, созданная на основе ShenaoZ/0.001_ablation_3iters_bs256_nodpo_iter_1. Репозиторий указывает на архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Она обучена на обновлённом и исходном наборах данных; подробности о данных, методике обучения и оценке в карточке не приведены. Модель распространяется по лицензии MIT. Языковая поддержка и специальные области применения не описаны.

Это дообученная диалоговая модель Mistral с 7,1 млрд параметров, созданная на основе HuggingFaceH4/mistral-7b-sft-beta. Её дообучили на наборе синтетических предпочтений HuggingFaceH4/ultrafeedback_binarized; архитектура — плотная MistralForCausalLM, формат весов — safetensors. Модель предназначена для генерации текста в диалогах: она может отвечать на вопросы и поддерживать текстовое общение. Контекст составляет до 32 768 токенов. Карточка не описывает отдельные специализированные области применения или оценку качества. Лицензия — MIT.

Это дообученная модель Mistral для генерации текста и общения в диалоговом формате. Она создана на основе HuggingFaceH4/mistral-7b-sft-beta и дообучена на наборе HuggingFaceH4/ultrafeedback_binarized методом DPO. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и формат safetensors; максимальная длина контекста — 32 768 токенов. Модель подходит для генерации ответов на вопросы и ведения текстового диалога. В карточке указана лицензия MIT. README не приводит подробностей об оценке качества и известных ограничениях, поэтому надёжность ответов следует проверять в целевых сценариях.

ShenaoZhang выпустил дообученную модель Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана на основе HuggingFaceH4/mistral-7b-sft-beta и дообучена на датасете HuggingFaceH4/ultrafeedback_binarized с использованием DPO, что отражено в тегах модели. Модель предназначена для генерации текста и общения в диалоговом формате: она может отвечать на вопросы и поддерживать текстовый чат. Контекст составляет до 32 768 токенов. Указанная лицензия — MIT. Карточка не содержит подробных результатов оценки или описания ограничений; языковая ориентация явно не заявлена, хотя описание базовой модели в каталоге указывает на англоязычные синтетические диалоги.

Это диалоговая языковая модель ShenaoZhang, дообученная на HuggingFaceH4/mistral-7b-sft-beta с использованием набора HuggingFaceH4/ultrafeedback_binarized. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; она предназначена для генерации текста и общения в чате, включая ответы на вопросы. Максимальная длина контекста — 32 768 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык базовой модели. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. README не приводит результатов оценки или конкретных ограничений качества.

ShenaoZhang/0.01_4iters_bs256_nodpo_only4w_iter_3 — дообученная диалоговая языковая модель семейства Mistral с 7,1 млрд параметров. Она предназначена для генерации текста в формате беседы; модель продолжает обучение версии ShenaoZhang/0.01_4iters_bs256_nodpo_only4w_iter_2 на обновлённом и исходном наборах данных. Контекст составляет 32 768 токенов, файлы весов представлены в формате Safetensors. Модель может использоваться для ответов на запросы и генерации текста в чат-сценариях. Карточка не описывает результаты оценки, конкретную специализацию или подтверждённую поддержку отдельных естественных языков. Лицензия — MIT.

ShenaoZ/0.01_ablation_4iters_bs256_iter_2 — диалоговая языковая модель, созданная дообучением ShenaoZ/0.01_ablation_4iters_bs256_iter_1 на обновлённом и исходном наборах данных. Модель основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; поддерживает контекст до 32 768 токенов и предназначена для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст. Языки обучения или поддержки в карточке не указаны. Репозиторий распространяется в формате safetensors по лицензии MIT. README не содержит подробностей о качестве, оценке или конкретных сценариях применения.

Это дообученная модель Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров, созданная на основе HuggingFaceH4/mistral-7b-sft-beta. Её дообучили на наборе диалоговых предпочтений HuggingFaceH4/ultrafeedback_binarized; модель поддерживает общение в текстовом формате и генерацию ответов. Модель подходит для диалоговых сценариев и генерации текста. Контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Карточка не приводит результатов оценки качества или подробных ограничений. Это экспериментальная абляционная версия с названием, указывающим на серию экспериментов, поэтому её качество в практических сценариях следует проверять отдельно.

ewqr2130/7B_ppo_phiRM_2GPU_3e-7step_4000 — разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров. По карточке, модель получена обучением PPO от zephre 7B-sft; метаданные указывают поддержку чата и генерации текста. Модель предназначена для диалоговой генерации текста. Контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель опубликована 22 января 2024 года разработчиком ewqr2130. Лицензия — Apache-2.0. В карточке не приведены оценки качества или сведения о языках обучения, поэтому пригодность для конкретного языка и сценария требует проверки.

Ahma-3B-dpo-slerp — языковая модель, созданная Finnish-NLP слиянием двух DPO-чекпойнтов с помощью LazyMergekit. Это плотная авторегрессионная модель семейства Llama с 3,4 млрд параметров, предназначенная для генерации текста и диалогового общения. Она принимает текст и выдаёт текст; максимальная длина контекста составляет 2048 токенов. Модель подходит для диалоговых приложений и генерации ответов. В карточке не приведены сведения о поддерживаемых языках, качестве на конкретных задачах или ограничениях поведения. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

AlphaHitchhiker-7B-v2 — диалоговая языковая модель, разработанная macadeliccc на основе mlabonne/AlphaMonarch-7B. Модель Mistral с плотной архитектурой и 7,1 млрд параметров дообучена в течение двух эпох; автор сообщает, что это улучшило loss примерно на 15% по сравнению с обучением в одну эпоху. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалогового общения на английском языке. Её можно применять для ответов на вопросы, выполнения инструкций и ведения беседы. Заявленная длина контекста — 32 768 токенов. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных результатов тестирования.

Apollo-Astralis V1 4B — разговорная модель для рассуждений, разработанная VANTA Research на основе Qwen3-4B-Thinking. Это авторегрессионный трансформер семейства Qwen3 с 3,7 млрд параметров по метаданным; модель дообучена методом LoRA и настроена на пошаговое рассуждение, совместное решение задач и тёплое, эмпатичное общение. Она предназначена для диалогов, логического анализа, объяснения решений и поддерживающих ответов. Модель рассчитана прежде всего на английский язык; контекстное окно составляет 262 144 токена по метаданным. Выпускается под лицензией Apache 2.0. Модель может чрезмерно эмоционально реагировать даже в ситуациях, требующих спокойного тона; она не оптимизирована для задач соревновательной математики и может испытывать трудности в узкоспециализированных технических областях. Ответы могут содержать фактические ошибки, поэтому важные сведения следует проверять.

Argonne 4.5-decision — англоязычная модель PursuitOfDataScience на архитектуре Argonne2 с 2,1 млрд параметров и контекстом 13 568 токенов. Это дообучение argonne-4.5-base-ctx13568 с дополнительной головой для принятия решений; вместо генерации текста модель за один проход оценивает заданные варианты и возвращает вероятности. Модель предназначена для классификации без примеров, выбора из 2–255 вариантов, выставления оценки по заданной шкале и оценки вероятности истинности утверждения. Она подходит, например, для маршрутизации обращений, классификации намерений и проверки условий, сформулированных в вопросе. В описанных тестах точность на разных наборах задач в среднем выше, чем у DeBERTa-v3-large zero-shot и BART-large-MNLI, а вероятности для некоторых типов вопросов хорошо откалиброваны. Качество зависит от задачи: на Banking77 точность составляет 62,5%, что заметно ниже опубликованного результата Jev в 81,1%; на незнакомых задачах «да/нет» вероятности могут смещаться к середине, поэтому порог стоит подбирать на размеченных примерах. Модель принимает только английский текст, не объясняет решения, а тексты длиннее 13 568 токенов обрезаются. Репозиторий использует PyTorch, Transformers и safetensors; лицензия — Apache-2.0.

Jebadiah/Aria-diamond-ruby-v2 — объединённая авторегрессионная языковая модель, созданная с помощью mergekit из Jebadiah/Aria-diamond-ruby-v1 и Jebadiah/Aria-diamond-v1. В карточке указаны метод DARE TIES и архитектура LlamaForCausalLM с плотной структурой; размер модели — 7,5 млрд параметров, веса представлены в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Заявленная длина контекста — до 1 048 576 токенов. Карточка не сообщает поддерживаемые естественные языки и специализированные области применения. Лицензия в предоставленных данных не указана.

ganesh714/arq_m1_chairs_DS_r1_Q7 — дообученная языковая модель, разработанная ganesh714 на базе unsloth/deepseek-r1-distill-qwen-7b-unsloth-bnb-4bit. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Указанный размер контекста — до 131 072 токенов. Модель принимает текст и выдаёт текст. В карточке заявлена поддержка английского языка; метаданные также отмечают интерфейс вызова инструментов. Модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о специализированных сценариях дообучения, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

Assay-0.6b — плотная языковая модель на базе Qwen3-0.6B-Base, дообученная авторами Assay для выдачи калиброванных типизированных решений. Она принимает текстовое состояние и именованные вопросы типов bool, choice или score и за один проход возвращает распределение вероятностей по вариантам, уверенность и оценку достаточности свидетельств; свободный текст модель не генерирует. Веса объединены с LoRA-адаптером, а отдельная голова оценивает, поддерживает ли состояние ответ. Модель содержит 507,9 млн параметров, работает с контекстом до 32 768 токенов и рассчитана на английский язык. Модель предназначена для классификации и принятия структурированных решений, в том числе с возможностью воздержаться от ответа, когда уверенность недостаточна. Её можно применять для маршрутизации случаев по правилам, классификации тональности и тематики, выбора из заданных вариантов и порядковой оценки по описанным уровням. В README сообщается о точности 0,704 на отложенных задачах и приводятся показатели покрытия и ошибок при воздержании; гарантии калибровки относятся к распределениям, похожим на калибровочную выборку. Ограничения: модель обучена на англоязычных данных; точность снижается на нерелевантных состояниях. Она не предназначена для арифметики, подсчётов, сравнения дат или многошаговых рассуждений за один проход, а калибровка не гарантирует качество для конкретного ответа или пользовательского распределения. Лицензия — Apache-2.0.

Athena-gemma-2-9b-it-Philos — чат-модель EpistemeAI, дообученная на базе unsloth/gemma-2-9b-it-bnb-4bit с помощью Unsloth и Hugging Face TRL. Это плотная языковая модель Gemma 2 с 9 млрд параметров, предназначенная для генерации текста в диалоге. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Карточка не описывает философскую специализацию модели или конкретные обучающие данные, поэтому название не подтверждает её пригодность для специализированных философских задач. Модель распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth и TRL.

iiLEX/autotrein-BERT-iiLEX-dgs-0001 — модель классификации текстов, созданная с помощью AutoTrain. Она дообучена на базе ulisesbravo/autotrain-pt-l1sfd-nom8j, которую каталог описывает как BERTimbau для классификации текстов на португальском языке. Модель использует архитектуру BERT с головой BertForSequenceClassification, содержит 136,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для отнесения текста к одному из классов; конкретная тематика и названия классов в карточке не приведены. На валидации указаны accuracy 0,701, micro-F1 0,701 и macro-F1 0,517, поэтому качество может заметно различаться между классами. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

jeiku/Average_Test_v1 — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом линейного слияния моделей jeiku/Average_Test и ResplendentAI/Aura_Llama3. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. Модель можно применять для ведения диалогов и генерации текстовых ответов. README описывает способ слияния, но не приводит сравнительных оценок качества или подробных рекомендаций по сценариям использования. Лицензия в предоставленных данных не указана.

Bahasa-4b — языковая модель Bahasa AI для понимания и генерации текстов на индонезийском языке. Это плотная авторегрессионная модель семейства Qwen2 примерно с 3,6 млрд параметров, полученная продолжением обучения Qwen-4b на 10 млрд высококачественных индонезийских текстовых данных. Контекст модели составляет до 32 768 токенов. Модель предназначена для диалоговых приложений и индонезийских NLP-задач, включая ответы на вопросы, анализ тональности и суммаризацию документов. В README приведены результаты на индонезийских бенчмарках: модель превосходит Sailor_4b в указанных сравнениях и конкурентоспособна с Mistral-7B-v0.1, хотя показатели различаются по задачам. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому условия использования следует сверить с лицензией и правилами разработчика.

Beetle-FineWeb2-24B/beetle-bilingual-b3-fineweb-24b-deu-eng-ewc — языковая модель для генерации текста, опубликованная на Hugging Face и предназначенная для работы через библиотеку Transformers. По идентификатору модели она относится к двуязычному семейству Beetle-FineWeb2 с размером около 24 млрд параметров и поддержкой немецкого и английского языков. В метаданных также указана архитектурная метка pico_decoder. Модель можно применять для продолжения текста, генерации ответов, черновиков и других сценариев, основанных на text-generation. README не содержит сведений о разработчике, обучающих данных, результатах оценки, длине контекста, лицензии, рекомендуемых параметрах запуска или специальных ограничениях использования. Из-за неполноты документации качество, языковые возможности, безопасность и пригодность модели для конкретных прикладных областей требуют самостоятельной проверки.