I.14Автоматизация процессов и AI-агенты

GPT4All-MPT — языковая модель Nomic AI, дообученная на базе MPT-7B на корпусе примеров взаимодействия с ассистентом. Она предназначена для генерации ответов в диалоге, решения словесных задач, написания кода, стихов, песен и рассказов. Модель использует архитектуру MPTForCausalLM с плотной структурой и распространяется в формате PyTorch; размер базовой модели — 7 млрд параметров. Модель рассчитана на английский язык и поддерживает генерацию текста в стиле ассистента. Она выпущена под лицензией Apache 2.0. Карточка описывает обучение на датасете nomic-ai/gpt4all-j-prompt-generations, версия v1.3-groovy.

OpenASR/granite-speech-4.1-2b — модель автоматического распознавания речи, созданная IBM Granite и адаптированная проектом OpenASR для локального запуска. Она преобразует аудиозаписи в текст и предназначена для сценариев speech-to-text на CPU и GPU без использования Python во время инференса. Модель имеет около 2 млрд параметров и сочетает 16-слойный аудиоэнкодер Conformer, Q-Former projector и декодер Granite на 2B параметров. Поддерживаются английский, французский, немецкий, испанский, португальский и японский языки; исходный язык определяется автоматически, без специального языкового токена. Доступны варианты квантования fp16, q8_0 и q4_k в формате .oasr. По данным README, для английского достигнут WER 0,54% на фиксированном наборе оценки, а q8_0 рекомендован как компромисс между качеством и размером. Сильные стороны модели — высокая заявленная точность английского распознавания, мультиязычность, локальная работа на CPU и GPU и сниженное потребление памяти благодаря квантованию. Ограничения включают поддержку только шести заявленных языков и отсутствие данных о контекстном окне, устойчивости к шуму, качестве на других языках и сценариях, а также об абсолютной точности квантованных вариантов за пределами указанной оценки. Пакеты распространяются по лицензии Apache-2.0 и наследуют лицензию исходной модели; OpenASR выполняет конвертацию формата, квантование и адаптацию для локального инференса.

GWQ-9B-Preview2 — англоязычная диалоговая языковая модель, созданная prithivMLmods как дообученная версия GWQ-9B-Preview на базе архитектуры Gemma 2. Это плотная авторегрессионная модель типа decoder-only с 9 млрд параметров, предназначенная для генерации текста и работы в формате чата; максимальная длина контекста — 8192 токена. Модель рассчитана на ответы на вопросы, суммаризацию, генерацию текстов и многошаговые рассуждения. В README указано дообучение на синтетическом наборе Chain of Continuous Thought; модель также может следовать инструкциям. Для запуска используется библиотека Transformers и шаблон чата токенизатора. Модель может ошибаться и галлюцинировать, воспроизводить смещения обучающих данных и испытывать трудности со сложными рассуждениями; её ответы могут быть неактуальны. Для инференса 9-миллиардной модели нужны существенные вычислительные ресурсы, а длинные входы ограничены окном контекста. Репозиторий использует лицензию Gemma.

HARC-Llama-3.1-8B-Instruct — языковая модель Microsoft для генерации текста и диалогов с акцентом на safety alignment. Она создана слиянием LoRA-настройки HARC с Meta-Llama-3.1-8B-Instruct и распространяется как самостоятельная модель. Архитектура — плотная LlamaForCausalLM; размер — 7,5 млрд параметров, контекст — до 131 072 токенов. Модель загружается через Transformers из файлов safetensors. Модель предназначена для диалоговых сценариев и генерации ответов с настройкой на безопасность. В метаданных указана поддержка многоязычности базовой модели; README не уточняет языки, специально охваченные настройкой HARC. Лицензия — Llama 3.1 Community License (llama3.1); при использовании необходимо соблюдать её условия и условия лицензии базовой модели.

Huihui-granite-4.0-h-tiny-abliterated — версия языковой модели IBM Granite 4.0 H Tiny, подготовленная huihui-ai методом abliteration для значительного снижения отказов на запросы. Это гибридная MoE-модель для генерации текста и диалогов; метаданные указывают 500,2 млн параметров и контекст до 131 072 токенов. Модель загружается через библиотеку Transformers и распространяется в формате Safetensors. Модель подходит для диалоговых приложений и генерации текста, в том числе для сценариев, где требуется меньше отказов. Снижение защитной фильтрации повышает вероятность чувствительных, спорных или неподходящих ответов, поэтому результаты требуют проверки. Базовая модель — ibm-granite/granite-4.0-h-tiny; лицензия — Apache-2.0.

Sanat-agrwl/indic-whisper-ctc-timestamps — модель Саната Кумара Агравала и Шриканта Раджа Четупатли для распознавания речи на хинди с временными метками слов. Это Whisper large-v2, дообученная для хинди и дополненная символьной CTC-головой, которая использует то же представление аудио, что и декодер транскрипции. Модель выполняет один проход энкодера: декодер формирует текст, а CTC-голова оценивает границы слов с разрешением 20 мс. Модель подходит для транскрибирования хинди-речи и автоматической разметки начала и конца каждого слова. В тесте IndicVoices-R для хинди указана WER 14,6%; среднее расхождение границ с внешним выравнивателем составляет 20,8 мс, однако это согласие между системами, а не точность относительно человеческой разметки. По README, калибровка уменьшает среднюю ошибку относительно человеческой разметки с 74,5 до 43,0 мс. Распространяется по лицензии Apache-2.0.

parthiv11/indic_whisper_hi_multi_gpu — модель распознавания речи на основе Whisper, дообученная для индийских языков. Репозиторий содержит чекпойнты и реализацию на JAX для ускоренного запуска на GPU и TPU; в метаданных также указаны веса PyTorch. Размер модели — 455,8 млн параметров. Модель предназначена для преобразования речи в текст, в том числе для транскрибирования аудиозаписей. В README приведены результаты на бенчмарках для подмножества на хинди, однако численные результаты сравнения для этой модели в таблице не представлены. Указанная в README оценка ускорения JAX относится к реализации и не гарантирует такой же результат на любом оборудовании. Модель рассчитана на хинди; общий README описывает семейство как предназначенное для индийских языков, но подтверждённая метаданными поддержка указана только для хинди. Лицензия — MIT.

Inex12Yamshadow-7B — автоматически слитая языковая модель, созданная Maxime Labonne из MSL7/INEX12-7b и automerger/YamShadow-7B. Для слияния применён метод SLERP с настройками для слоёв self-attention и MLP; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, веса представлены в формате safetensors. Модель предназначена для генерации текста, а контекст составляет до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. README не уточняет специализацию модели или поддерживаемые естественные языки.

Josiefied-Qwen3-1.7B-abliterated-v1-bf16 — конвертированная в формат MLX чат-модель семейства Qwen3, опубликованная сообществом mlx-community на основе Goekdeniz-Guelmez/Josiefied-Qwen3-1.7B-abliterated-v1. Она предназначена для генерации текста в диалогах и может использоваться в сценариях, где нужен компактный языковой ассистент; метаданные также отмечают интерфейс вызова инструментов. Модель имеет плотную архитектуру Qwen3ForCausalLM и 1,7 млрд параметров. Для неё указан контекст до 40 960 токенов; README сообщает о конвертации из исходного репозитория в MLX с помощью mlx-lm 0.23.2. Лицензия и языковая специализация в предоставленных данных не описаны.

bespin-global/klue-sentence-roberta-base — модель эмбеддингов предложений и абзацев от Jaehyeong из Bespin Global. Она основана на RoBERTa и преобразует текст в плотные векторы размерности 768; размер модели — 137,8 млн параметров, максимальная длина контекста — 514 токенов. Модель предназначена для семантического поиска и кластеризации текстов. Её можно использовать в системах поиска по смыслу, группировки похожих предложений и сравнения текстовых фрагментов. Обучение проводилось с функцией потерь CosineSimilarityLoss на данных KLUE, что указывает на ориентацию на корейский язык. Модель доступна в формате PyTorch по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование. В карточке не приведены результаты оценки качества; поэтому качество для конкретного сценария следует проверять отдельно.

BM-K/KoSimCSE-roberta-multitask — корейская модель эмбеддингов предложений на архитектуре RoBERTa, опубликованная в репозитории Korean-Sentence-Embedding. Она предназначена для получения векторных представлений текста и семантических задач, включая сравнение смысловой близости предложений. Модель содержит 137,8 млн параметров, принимает последовательности длиной до 514 токенов и доступна в форматах PyTorch и Safetensors. В README приведены результаты оценки на тестовом наборе Semantic Textual Similarity и материалы для обучения и запуска моделей. Модель подходит для поиска семантически похожих предложений, ранжирования текстов по близости и построения систем поиска на основе эмбеддингов. Указанные сведения не подтверждают качество на других задачах или доменах. Лицензия в предоставленных данных не указана.

LFM2-2.6B-Uncensored-X64 — разговорная версия языковой модели LiquidAI/LFM2-2.6B, опубликованная Justbackup. Это плотная авторегрессионная модель семейства LFM2 с примерно 2,4 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 128 000 токенов. Модель предназначена для генерации текста и диалогов; карточка называет её uncensored-версией базовой модели и приводит результаты нескольких тестов на общие знания и рассуждение. Её можно использовать для ответов на вопросы, диалоговых ассистентов и работы с длинными текстовыми запросами. README показывает формат чата, совместимый с использованием в Transformers. В карточке указана лицензия Apache-2.0. Модель не следует считать проверенной для задач с высокими требованиями к точности: опубликованные тесты ограничены несколькими бенчмарками, а результаты могут зависеть от точности вычислений и конфигурации запуска.

Limite 1B Base — базовый чекпойнт семейства Limite 1B после этапа предварительного обучения; модель представлена Paradigma Inc. Она предназначена для генерации текста и диалоговых сценариев, а также может служить исходной точкой для дальнейшей адаптации. Архитектура — плотная авторегрессионная LimiteForCausalLM примерно с 996,3 млн параметров; заявленная длина контекста составляет 131 072 токена. Модель запускается через Hugging Face Transformers и сохраняется в формате safetensors. Для загрузки требуется разрешить выполнение кода архитектуры из репозитория с помощью trust_remote_code=True. В README указана поддержка SDPA с DynamicCache и смешанным global/sliding-window StaticCache, включая StaticCache с torch.compile. Лицензия — Apache-2.0. README направляет к более позднему чекпойнту Limite 1B Violetto для актуальной версии и полной карточки; сведения о языках и специализированных доменах в предоставленных данных отсутствуют.

Это плотная авторегрессионная модель семейства LLaMA 2, разработанная Да-вэем Чжу и соавторами в рамках работы PoSE. Чекпойнт содержит 6,6 млрд параметров и рассчитан на генерацию текста с контекстом до 16 384 токенов; расширение контекста использует позиционную интерполяцию YaRN и обучение Positional Skip-wisE (PoSE), которое имитирует длинные входы при обучении на фиксированном контексте. Модель предназначена для генерации продолжений и работы с длинными текстовыми запросами, например для анализа объемных документов или диалога с длинной историей. В README отмечена проблема с первоначально загруженным чекпойнтом: его заменили 27 ноября 2023 года, поскольку прежняя версия не соответствовала реализации из репозитория и показывала неоптимальное качество. В метаданных указана лицензия MIT; доступность лицензии не гарантирует пригодность ответов для конкретных применений.

Llama-3.1-SuperNova-Lite-14B — плотная авторегрессионная языковая модель семейства Llama, созданная с помощью mergekit методом passthrough. Модель предназначена для генерации текста и диалогового общения. Репозиторий содержит веса в формате safetensors; метаданные указывают размер 12,7 млрд параметров и контекст до 131 072 токенов. Модель объединяет предварительно обученные языковые модели; README называет компонент слияния Llama-3.1-SuperNova-Lite. Она подходит для генерации продолжений и ответов в чате. Сведений о языковом охвате, лицензии и конкретных ограничениях качества в доступной карточке нет.

alpindale/Llama-3.2-11B-Vision-Instruct — мультимодальная инструктивная модель, опубликованная alpindale на основе модели Meta Llama 3.2-Vision. Это плотная авторегрессионная трансформерная модель семейства mllama с 11 млрд параметров: она обрабатывает текст и изображения и генерирует текст. Визуальный адаптер с перекрёстным вниманием передаёт представления изображения в языковую модель; для запуска используется библиотека Transformers. Модель подходит для визуального распознавания и рассуждений по изображениям, создания подписей, ответов на вопросы об изображениях и диалога с визуальным контекстом. Среди заявленных сценариев также ответы по изображениям документов, поиск соответствий между изображениями и текстом и визуальная привязка описаний к областям изображения. Контекст составляет до 128 тыс. токенов. Для задач с изображениями заявлена поддержка английского; для текстовых задач поддерживаются английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Модель рассчитана на коммерческое и исследовательское применение. В README указана лицензия Llama 3.2 Community License — специальное лицензионное соглашение с условиями использования и Acceptable Use Policy; перед внедрением следует ознакомиться с ними. Модель статична, обучена на офлайн-данных; заявленная дата отсечения знаний — декабрь 2023 года. README описывает семейство моделей Meta и не подтверждает конкретные изменения, внесённые alpindale в эту копию.

Magpie-Align разработала Magpie-Align/Llama-3-8B-Magpie-Air-SFT-300K-v0.1 — чат-модель для генерации текста, дообученную методом supervised fine-tuning на 300 тысячах отфильтрованных примеров датасета Magpie-Air-300K-Filtered. В основе лежит Meta Llama 3 с плотной архитектурой LlamaForCausalLM; модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогов и выполнения инструкций. Разработчики сообщают о результатах, сопоставимых с Llama-3-8B-Instruct на отдельных задачах и бенчмарках выравнивания; для оптимальной работы следует использовать официальный шаблон чата Llama 3. Карточка приводит оценки Alpaca Eval 2 и Arena Hard, но не описывает специализацию по предметным областям или отдельные языки сверх возможностей базовой модели. Модель основана на meta-llama/Meta-Llama-3-8B и распространяется по лицензии Meta Llama 3 Community License; применяются условия этой лицензии. Карточка рекомендует использовать официальный шаблон диалога Llama 3.

LLaMA-3-8B-SFR-SFT-R — модель генерации текста Salesforce, созданная методом supervised fine-tuning (SFT) на основе Salesforce/SFR-Iterative-DPO-LLaMA-3-8B-R. Это плотная авторегрессионная модель семейства LLaMA с 7,5 млрд параметров и контекстом до 8192 токенов; она поддерживает диалоговый режим и распространяется в формате safetensors. Модель предназначена для генерации ответов и диалогового взаимодействия на основе текстовых запросов. В README модель представлена как SFT-версия в наборе релизов, включающем также reward- и RLHF-модели. Salesforce выпустила её для исследовательских целей в поддержку академической статьи. Перед применением рекомендуется оценивать точность, безопасность и справедливость; модель не оценивалась для всех вариантов использования, поэтому её пригодность для критически важных сценариев не установлена. Лицензия — Llama 3.

Llama-3-NeuralPaca-8b — плотная авторегрессионная языковая модель семейства Llama 3, разработанная NeuralNovel и дообученная на базе unsloth/llama-3-8b-bnb-4bit. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке указан датасет tatsu-lab/alpaca; обучение выполнено с использованием Unsloth и TRL. В метаданных указан английский язык. Модель распространяется по лицензии Llama-3.

MaziyarPanahi/Llama-3-Smaug-8B-GGUF — это набор файлов модели в формате GGUF для abacusai/Llama-3-Smaug-8B. Исходную модель разработала abacusai, а квантованные версии подготовил MaziyarPanahi. Модель предназначена для генерации текста и может использоваться в локальных приложениях и сервисах на базе llama.cpp и совместимых библиотек. Доступны варианты квантования с разрядностью от 2 до 8 бит, что позволяет выбирать компромисс между размером модели, требованиями к памяти и качеством генерации. Размер базовой модели — 8B параметров. Модель работает с текстом; другие модальности и поддерживаемые языки в README не указаны. Для корректной генерации необходимо применять шаблон запросов Llama 3 с соответствующими специальными токенами. К сильным сторонам относятся поддержка различных уровней квантования и совместимость с широким набором локальных инструментов, включая llama.cpp, text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. Ограничения включают возможное снижение качества при использовании более агрессивного квантования, а также отсутствие в README сведений о контекстном окне, результатах оценивания, языковой специализации и подробностях архитектуры. Лицензия в предоставленных материалах не указана.

Locutusque/Llama-3-Yggdrasil-2.0-8B — объединённая разговорная языковая модель, созданная с помощью mergekit. В основу объединения легла NousResearch/Meta-Llama-3-8B; также использованы Locutusque/Llama-3-NeuralHercules-5.0-8B, NousResearch/Hermes-2-Theta-Llama-3-8B и Locutusque/llama-3-neural-chat-v2.2-8b. Для слияния применён метод DARE TIES. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Она предназначена для генерации текста и диалоговых сценариев. README приводит результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH, но не уточняет лицензию и конкретные языковые ограничения; язык нельзя уверенно определить по этим данным.

LLaMA-MoE-v2-3.8B (2/8) SFT — чат-модель семейства LLaMA-MoE-v2, разработанная командой llama-moe. Она создана на основе LLaMA 3: полносвязные слои FFN или слои внимания разделены на разреженные эксперты, а маршрутизатор выбирает два из восьми экспертов. Затем модель прошла supervised fine-tuning в два этапа на открытых данных. Модель предназначена для генерации текста и диалогов на английском языке. В репозитории указано 3,8 млрд активируемых параметров, а метаданные каталога сообщают о 2,6 млрд параметров; контекст составляет до 8192 токенов. Доступны веса в формате safetensors. Лицензия — Apache-2.0, допускающая коммерческое использование при соблюдении её условий. Модель можно применять для диалоговых помощников, ответов на вопросы, следования инструкциям и решения общих текстовых задач. Представленные в карточке бенчмарки охватывают знания, математику, программирование и понимание текста, но не дают оценки именно этой SFT-версии. Карточка не приводит конкретных ограничений или результатов её качества.

M7Yamshadowexperiment28_YamNeuralsirkrishna — объединённая модель семейства Mistral, созданная путём слияния automerger/M7Yamshadowexperiment28-7B и automerger/YamNeuralsirkrishna-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогов на входном текстовом запросе. Контекст составляет до 32 768 токенов, что позволяет работать с длинными запросами и документами. Карточка не сообщает о специализации на отдельных языках или предметных областях, а также не приводит результатов оценки качества. Лицензия — Apache-2.0. Слияние объединяет две базовые модели, поэтому поведение и качество могут отличаться от каждого исходного чекпойнта; отдельные ограничения или рекомендации по использованию в карточке не описаны.

Marcoro14-7B-slerp — языковая модель на 7,1 млрд параметров, созданная слиянием моделей AIDC-ai-business/Marcoroni-7B-v3 и EmbeddedLLM/Mistral-7B-Merge-14-v0.1 методом SLERP с помощью mergekit. Она использует плотную архитектуру Mistral и предназначена для генерации текста; максимальная длина контекста составляет 32 768 токенов. Модель принимает текстовые запросы и генерирует текст, поэтому подходит для диалоговых сценариев, написания и продолжения текста. В репозитории представлены веса Safetensors. Лицензия — Apache-2.0. README не описывает отдельные специализированные задачи или ограничения качества модели.

MeliodasPercival_01_Experiment28Neuralsirkrishna — объединённая модель семейства Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Experiment28Neuralsirkrishna-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не уточняют языковой охват или специализированные области применения, поэтому её можно описать как модель общего назначения.

mergekit-community/mergekit-slerp-jeyctse — языковая чат-модель, созданная сообществом слиянием моделей HuggingFaceH4/zephyr-7b-beta и Equall/Saul-Base методом SLERP с помощью mergekit. Это плотная модель Mistral с 7,1 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: ответов на вопросы и выполнения пользовательских инструкций. В метаданных основной язык не задан; базовая Zephyr-7B-β описана как англоязычная чат-модель. Условия лицензирования в предоставленных данных не приведены. Качество и поведение результата слияния могут отличаться от исходных моделей.

MFANN-SFT — объединённая диалоговая языковая модель от netcat420, созданная с помощью mergekit. В качестве основы использована mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated, а также объединены MFANN-Llama3.1-Abliterated-SLERP-V5 и MFANN-SFT-precursor-2 методом TIES. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалогов и генерации ответов на текстовые запросы; базовая модель описана как вариант Llama 3.1 Instruct с ослабленными ограничениями на ответы. Доступные данные не описывают отдельные предметные специализации или языковой охват. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных данных не указана.

MFANNv0.20.10 — объединённая текстовая модель семейства Llama, созданная netcat420 с помощью mergekit. В качестве основы использована mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated; в слияние также вошли netcat420/MFANNv0.19 и netcat420/MFANNv0.20. Применён метод DARE TIES с точностью bfloat16. Модель содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста по запросу: она может формулировать ответы и продолжать текст в сценариях разговорного ассистента. Базовая модель описана как версия Llama 3.1 8B Instruct с ослабленными ограничениями на ответы. Модель опубликована в формате safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

MILCO — модель для многоязычного разреженного поиска, представленная в работе «MILCO: Learned Sparse Retrieval Across Languages via a Multilingual Connector» для ICLR 2026. Репозиторий omai-research/milco-650m содержит модель в формате PyTorch для Transformers; лицензия — Apache-2.0. Модель кодирует запросы и документы в разреженные представления в общем лексическом пространстве английского языка. Она предназначена для внутъязыкового и межъязыкового поиска: запрос и документ могут быть написаны на разных языках. Архитектура включает многоязычный трансформер, коннектор к размерности английского энкодера и LexEcho head, который дополняет английское представление весами исходных токенов, чтобы сохранять редкие имена и термины. В README описана конфигурация с BAAI/bge-m3-unsupervised и naver/splade-v3; заявлена оценка более чем на 39 языках. Размер модели по идентификатору репозитория — 650 млн параметров. README сообщает о результатах на многоязычных бенчмарках и уменьшении размера индекса и задержки поиска при прореживании представлений. Это заявления авторов; конкретные условия и методика сравнения в предоставленных данных не раскрыты. Для загрузки в Transformers README указывает trust_remote_code=True. Ограничение лицензии Apache-2.0 — её условия необходимо соблюдать при использовании и распространении модели.

CorticalStack/mistral-7b-openhermes-2.5-sft — языковая модель на архитектуре Mistral, дообученная методом supervised fine-tuning на датасете teknium/OpenHermes-2.5. В README указаны параметры LoRA: r=256, alpha=128 и dropout=0; метаданные описывают плотную модель MistralForCausalLM размером 7,1 млрд параметров с контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; в доступных данных нет сведений о поддержке отдельных языков или специализированных областях. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Ограничения качества и безопасного использования в карточке не описаны.