I.5Создание и редактирование текста

Gemma3.Novaciano-1B — объединённая языковая модель NovaCorp на архитектуре Gemma 3, созданная с помощью mergekit и метода Model Stock. В качестве базовой использована BIGJUTT/gemma-3-1b-it-heretic-extreme-uncensored-abliterated; в объединение также вошли UmbrellaInc/Prototype-Virus-1B и UmbrellaInc/Albert_Wesker-1B. Модель содержит 1 млрд параметров, работает через Transformers, распространяется в формате Safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста, чата и ролевых сценариев, а также творческого письма: создания историй, сцен и сюжетных продолжений. Карточка и теги указывают на многоязычную поддержку, включая английский, русский, испанский, турецкий и другие языки. Модель позиционируется как низкоотказная и допускающая контент для взрослой аудитории. Лицензия — Gemma; условия её использования определяются лицензией Gemma.

Gemma-4-12B-it-qat-JANG_4M-CRACK — дообученная и квантизированная версия Gemma 4 12B-it от dealignai. Это плотная мультимодальная модель семейства Gemma4 Unified с единым ранним слиянием модальностей и гибридным скользящим и глобальным вниманием. Она принимает текст, изображения и аудио и предназначена для диалогов, рассуждений, ответов на вопросы и генерации кода; карточка также заявляет многоязычную поддержку и сохранение возможностей базовой модели в работе с изображениями и аудио. Модель использует схему JANG_4M: 8-битное квантование внимания и 4-битное квантование MLP. Разработчик сообщает о 84,2% на MMLU и 97% выполнении вредоносных запросов в тесте HarmBench, где отказ от ответов на такие запросы был удалён. Поэтому модель рассчитана на сценарии без стандартных отказов по этим категориям и требует осторожного контроля применения. Для запуска рекомендованы приложение или API vMLX и Mac на Apple Silicon с достаточной объединённой памятью; стандартные mlx_lm и mlx_vlm, согласно карточке, не обеспечивают полной поддержки Gemma 4. Лицензия — Gemma; разработчик указывает исследовательское назначение и возлагает ответственность за соблюдение применимых законов на пользователей.

t-firefly/gemma4-e2b-rknn3-rk1828 — мультимодальная версия Gemma 4 E2B IT, подготовленная для запуска на устройстве RK1828 через LlamaPi. Исходную модель разработала Google DeepMind; карточка указывает на форматы GGUF и Safetensors, а метаданные связывают репозиторий с google/gemma-4-E2B-it. Модель принимает текст, изображения и аудио, выдаёт текст и предназначена для диалогов, рассуждений, программирования и агентных сценариев на устройстве или периферийном оборудовании. В README заявлены контекст 256 тысяч токенов и поддержка более 140 языков. Лицензия — Apache-2.0. Сведения о преобразовании весов специально для RKNN3, фактической производительности на RK1828 и совместимости отдельных модальностей в этой сборке ограничены; возможности исходной модели не гарантируют их полной поддержки в данном варианте.

avemio/German-RAG-x-HERMES-LLAMA-MERGED-EXP — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES на основе немецкоязычной модели GRAG-LLAMA-3.1-8B-CPT-HESSIAN-AI с добавлением GRAG-LLAMA-3.1-8B-MERGED-HESSIAN-AI и Hermes 3 Llama 3.1 8B от Nous Research. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалоговой генерации текста и сценариев RAG на немецком языке; Hermes 3 в составе слияния добавляет диалоговые и инструкционные возможности. Для работы требуются Transformers и формат весов safetensors; в модели используется шаблон чата ChatML. Карточка не сообщает результаты оценки качества. Лицензия в предоставленных данных не указана.

girenit/girenit-TR-Summarizer — компактная модель для суммаризации новостей на турецком языке, разработанная girenit на основе google/mt5-small. Модель дообучена на 50 тысячах пар новостей и кратких пересказов из набора TR-News; для запроса используется префикс «özet: ». Архитектура mT5-small содержит 157,4 млн параметров, веса представлены в формате safetensors. Модель предназначена для создания кратких пересказов турецких новостных статей. В README приведены результаты оценки на тестовой части TR-News из 400 примеров: ROUGE-1 — 32,5, ROUGE-2 — 20,3 и ROUGE-L — 29,4. Использование описано через Transformers pipeline для задачи summarization. Лицензия — MIT.

GLM Large Chinese — языковая модель семейства GLM, разработанная командой исследователей, указанных в статье GLM: General Language Model Pretraining with Autoregressive Blank Infilling. Модель предварительно обучена на корпусе WuDaoCorpora с авторегрессионной целью заполнения пропусков и рассчитана на задачи понимания и генерации естественного языка. Архитектура — плотный трансформер GLM с 24 слоями, размером скрытого представления 1024 и 16 головами внимания на слой; в метаданных указано 453,9 млн параметров. Модель поддерживает китайский язык. Репозиторий содержит веса PyTorch. В карточке не приведены сведения о лицензии и длине контекста.

GPT-5 Image — модель OpenAI, объединяющая GPT-5 с возможностями генерации изображений GPT Image 1. Она предназначена для взаимодействия с текстом и создания изображений по инструкциям; в карточке также отмечены улучшения в рассуждениях, качестве кода и следовании запросам. Доступный фрагмент карточки не сообщает архитектуру, размер, языки, длину контекста или лицензию.

granite-4.1-8b-Claude-Opus-4.6-Thinking-MAX — экспериментальная разговорная языковая модель DavidAU, дообученная на базе IBM Granite-4.1-8B с помощью Unsloth на наборе примерно из 3 тысяч примеров. Дообучение направлено на переход от режима следования инструкциям к режиму рассуждений; в обучении использовались данные, связанные с Polaris, GLM 4.7 и Claude Opus 4.6. Модель имеет плотную архитектуру GraniteForCausalLM, около 8,4 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации ответов в диалоге и выполнения текстовых инструкций с многошаговым рассуждением. Автор приводит результаты тестов на общих языковых бенчмарках и примеры сложных генераций, но они не гарантируют качество на других задачах. README рекомендует контекст не менее 8 тысяч токенов и квантизацию не ниже Q4_K_S, отмечая, что более высокая точность может улучшить результаты. Базовая Granite-4.1-8B поддерживает английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский; сведения о языковом охвате именно дообученной версии отдельно не приведены. Лицензия — Apache 2.0.

arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Karasu-Mixtral-8x22B-v0.1 — чат-модель, созданная разработчиками lightblue дообучением Mixtral-8x22B-v0.1 на многоязычных диалогах пользователей с GPT-4. Она предназначена для общения, ответов на вопросы и диалоговых сценариев; в карточке отмечены хорошее воспроизведение фактов и уверенная работа на английском, но также возможность ошибок в логических задачах. Модель использует архитектуру Mixtral с разреженной смесью экспертов (MoE), содержит 22 млрд параметров и поддерживает контекст до 65 536 токенов. README рекомендует запуск через vLLM и описывает тестирование на четырёх GPU A100 с ограничением длины генерации до 1 024 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

unsloth/LFM2.5-1.2B-Instruct — версия инструкционной модели Liquid AI, опубликованная Unsloth с исправлениями шаблона чата. Это компактная плотная языковая модель семейства LFM2: в README указано 1,17 млрд параметров и гибридная архитектура из 10 блоков LIV с двойной маршрутизацией и 6 блоков GQA. Модель принимает и генерирует текст; она рассчитана на локальный запуск на устройствах и поддерживает контекст до 32 768 токенов по README, тогда как метаданные указывают 128 000 токенов. Модель предназначена для диалогов общего назначения, агентных сценариев с вызовом инструментов, извлечения данных и ответов с опорой на документы в RAG. В карточке перечислены английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. README не рекомендует использовать её для задач, требующих обширных знаний, и программирования. Репозиторий содержит веса в формате safetensors и использует лицензию, обозначенную в метаданных как other; конкретные условия лицензии следует сверить с карточкой модели.

Llama-3-8B-OpenHermes-243K — дообученная Magpie-Align версия языковой модели Meta Llama 3 8B для генерации текста в диалоговом формате. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и принимает текст; контекстное окно — 8192 токена. Модель предназначена для генерации ответов в чат-сценариях. В карточке указана оценка Loss 0,9845 на тестовой выборке, но подробности датасета и оценки не приведены, поэтому результат не позволяет судить о качестве в конкретных задачах. Модель распространяется в форматах PyTorch и Safetensors по лицензии Llama 3.

4yo1/llama3-pre1-pre2-ins1-lora3 — языковая модель на архитектуре Llama, опубликованная 4yo1. В README модель описана как дообученная; метаданные указывают 7,6 млрд параметров, библиотеку Transformers и контекст до 8192 токенов. Репозиторий содержит веса safetensors. Модель предназначена для перевода между английским и корейским языками. Метаданные также отмечают возможность генерации текста и чат-интерфейс. Лицензия — MIT. В карточке не приведены результаты оценки качества или подробности обучения, поэтому пригодность для конкретной задачи следует проверять отдельно.

Карточка модели Yukang/LongAlpaca-70B на Hugging Face совпадает с карточкой Yukang/LongAlpaca-13B, поэтому описание составлено по ней. LongAlpaca-13B — языковая модель на архитектуре Llama, выпущенная командой LongLoRA. Модель содержит 12,9 млрд параметров и дообучена с учителем на наборе LongAlpaca-12k, который включает длинные и короткие вопросы и ответы. Она предназначена для следования инструкциям и ответов на вопросы по длинным текстам, например разделам книг и научным статьям. В README для LongAlpaca-13B указано окно контекста 32 768 токенов; метаданные этой конкретной карточки указывают native context в 4 096 токенов. Поэтому заявленную возможность работы с длинным контекстом следует учитывать с оглядкой на конфигурацию и фактическую поддержку весов. Модель принимает текст и генерирует текст; сведения о поддерживаемых естественных языках не приведены. Для использования весов требуется принять лицензию и политику допустимого использования Meta.

Luminous-Mirror-26B-A4B — мультимодальная модель для диалогов и генерации текста, созданная Vortex5 слиянием нескольких моделей семейства Gemma 4, включая google/gemma-4-26B-A4B-it, с помощью метода ARCS. В репозитории указана архитектура Gemma4ForConditionalGeneration, веса представлены в формате Safetensors; базовая Gemma 4 — модель на 26B A4B. Модель предназначена прежде всего для ролевых диалогов, взаимодействия с персонажами, творческого письма и сюжетного повествования. Она может помогать создавать сцены и описания, развивать сюжет, строить миры, а также предлагать идеи и планы. Метаданные указывают поддержку изображений на входе и текста на выходе. Модель распространяется по лицензии Apache-2.0. README не сообщает о длине контекста или поддерживаемых языках; качество и ограничения слияния отдельно не оценены.

Lux-V2-Pro — плотная языковая модель на 31 млрд параметров, разработанная PoSTMEDIA AI Lab полным дообучением Gemma-4-31B-it. Она предназначена для диалогов и генерации текста, с особым акцентом на корейский язык, рассуждения и следование инструкциям. Модель обучали на синтетических корейских данных для общих диалогов, программирования, права, культурного наследия, туризма и математики; README сообщает о проверке данных исполнением кода, символическими вычислениями, правилами и источниками. Модель ориентирована на сложные корейскоязычные задачи, включая ответы на вопросы по предметным областям и математические рассуждения. В карточке приведены внутренние результаты тестов и заявлено улучшение относительно Lux-V1-Pro по большинству из 18 бенчмарков. Для высокорисковых решений ответы следует проверять: сведения могут быть неверными или устаревшими, особенно в правовой тематике. Модель наследует ограничения Gemma-4. Распространяется по лицензии Apache-2.0.

mskayacioglu/mbart-xlsum-2 — многоязычная модель для абстрактивного суммирования новостных статей, разработанная в рамках проекта samurAI. Она построена на архитектуре mBART-50 и дообучена из facebook/mbart-large-50-many-to-many-mmt на 15 языковых поднаборах датасета XL-Sum. Модель содержит 457,4 млн параметров, принимает текст и генерирует краткое изложение; максимальная длина контекста составляет 1024 токена. Модель предназначена для суммирования новостей на арабском, китайском, английском, французском, хинди, индонезийском, японском, корейском, персидском, португальском, русском, испанском, турецком, украинском и вьетнамском языках, а также для исследовательских экспериментов и новостных конвейеров с проверкой человеком. При обучении использовалась выборка XL-Sum с BBC-статьями; оценка по общему протоколу проведена для 11 языков. Вариант обучения применяет сглаженное перераспределение данных между языками и короткие целевые сводки. Модель может пропускать важные сведения в длинных статьях, выдумывать факты, имена, даты и причинно-следственные связи; результаты на источниках и тематиках вне новостей BBC могут быть хуже. Авторы рекомендуют сверять сводки с исходной статьёй и не использовать их без проверки для принятия важных решений. Лицензия — CC-BY-NC-SA-4.0, ограничивающая коммерческое использование.

knkarthick выпустил эту модель после дообучения facebook/bart-large-xsum на данных XSUM, SAMSum, DialogSum и AMI. Это encoder-decoder модель BART для суммаризации текстов, в первую очередь диалогов и совещаний. Она содержит 252,8 млн параметров, принимает текст длиной до 1024 токенов и формирует текстовое резюме. Модель распространяется в форматах PyTorch, Safetensors и TensorFlow; лицензия — Apache-2.0. Модель подходит для краткого изложения стенограмм встреч и разговоров, а также других текстов. Карточка указывает английский язык. Ограничение контекста в 1024 токена может затруднить обработку длинных стенограмм целиком; качество для языков, кроме английского, не подтверждено.

Mellum2 Instruct (SFT) — промежуточная модель с инструкционной настройкой, выпущенная JetBrains. Это контрольная точка этапа supervised fine-tuning в конвейере обучения Mellum2 Instruct, предназначенная для изучения этого этапа, экспериментов с последующей настройкой предпочтений или RLVR и сравнения с итоговой RL-настроенной версией. Модель использует архитектуру Mixture-of-Experts: 64 эксперта, из которых для каждого токена активируются 8. В ней сочетаются слои скользящего окна и полное внимание; контекст — до 131 072 токенов. Метаданные указывают 1,9 млрд параметров. Модель принимает текст и генерирует текст; карточка сообщает об обучении на смешанных данных для кода, агентных сценариев, вызова инструментов, следования инструкциям, общего диалога, идентичности и безопасности. Контрольная точка получена после трёх эпох SFT от JetBrains/Mellum2-12B-A2.5B-Base. Авторы рекомендуют для качественного следования инструкциям в производственных сценариях итоговую версию Instruct. Модель доступна по лицензии Apache-2.0.

Карточка модели mergekit-community/mergekit-slerp-urmzxzt на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Phi-4-mini-reasoning-GGUF — это GGUF-квантизированная версия языковой модели Phi-4-mini-reasoning, разработанной Microsoft. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, решения математических задач и работы с кодом; поддерживает сценарии локального запуска через llama.cpp, LM Studio и другие совместимые проекты. В репозитории представлены варианты от BF16 размером 7,68 ГБ до низкобитных квантов размером около 1,90 ГБ. Доступны форматы Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, IQ и другие; варианты с более высокой разрядностью обычно обеспечивают лучшее качество, а низкоразрядные требуют меньше оперативной памяти. Указан английский язык. Архитектура исходной модели, число параметров, поддерживаемые модальности и размер контекста в README не описаны. Сильными сторонами являются локальный запуск, широкий выбор компромиссов между качеством и требованиями к памяти, а также специализация исходной модели на математическом рассуждении. Ограничения включают возможное снижение качества при использовании низкоразрядных квантов и отсутствие в README подробных результатов оценки. Модель распространяется по лицензии MIT.

Mistral-22B-v0.2 — экспериментальная плотная языковая модель на 22 млрд параметров, созданная Nicolas Mejia-Petit. По описанию автора, это преобразование MoE-модели в плотную: знания экспертов объединены в одну модель. Она дообучалась на многоходовых диалогах, в том числе на примерах программирования, математических задач, ответов в JSON и действий агента. Автор отмечает улучшения в связности ответов, следовании запросам и программировании по сравнению с предыдущей версией, однако приводит лишь результаты собственных предварительных проверок. Модель предназначена для генерации текста в диалоговом формате Guanaco. В README указана длина обучения 32 тыс. токенов, а метаданные каталога указывают контекст до 65 536 токенов. Для применения рекомендуется использовать шаблон Guanaco. Модель заявлена как намеренно слабо ограниченная по отказам, поэтому может выдавать нежелательный контент. Автор называет её экспериментальной и незавершённой. Лицензия — Apache-2.0.

Mistral-Small-24B-Base-2501 — базовая плотная языковая модель с 23,4 млрд параметров, разработанная командой Mistral AI. Она предназначена для дообучения и создания специализированных моделей, а также для генерации текста и диалоговых сценариев. Модель использует архитектуру MistralForCausalLM и поддерживает контекст длиной до 32 768 токенов. Модель рассчитана на многоязычное применение: в метаданных и карточке указаны английский, французский, немецкий, испанский, итальянский, португальский, китайский, японский, русский и корейский языки. В карточке также отмечена поддержка ряда других языков. Лицензия Apache 2.0 разрешает коммерческое и некоммерческое использование, изменение и распространение. Это базовая версия; для готового диалога разработчик предлагает отдельную версию Instruct. Заявления о качестве сопровождаются результатами бенчмарков в карточке, но они не гарантируют качество в конкретном сценарии.

MN-12B-Estrella-v2.2 — объединённая языковая модель на архитектуре Mistral с 12,1 млрд параметров, созданная автором репозитория с помощью mergekit. В слияние вошли TheDrummer/Rocinante-12B-v1.1, MN-12B-Estrella-v1, elinas/Chronos-Gold-12B-1.0 и anthracite-org/magnum-v2.5-12b-kto; последняя использована как базовая. Для общения модель предлагает формат Mistral Instruct, также может подойти ChatML. Модель предназначена для генерации текста, в частности творческой прозы и ролевых сцен. В метаданных указан контекст до 1 024 000 токенов. Для работы с Mistral Nemo в README рекомендован низкий диапазон температуры 0,3–0,6. Репозиторий содержит веса Safetensors; лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

MS3.2-24B-Penumbra-Aether — объединённая модель Vortex5 для генерации художественного текста, рассказов и ролевых диалогов. Она создана слиянием MS3.2-24B-Chaos-Skies, Cydonia-24B-v4.3, Hearthfire-24B и ms3.2-24b-longform с помощью метода hpq; токенизатор взят из MS3.2-24B-Chaos-Skies. Модель построена на плотной архитектуре Mistral и содержит 23,4 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. В README указаны сценарии использования: рассказы, ролевые игры и творческое письмо. Карточка не сообщает о языковой специализации, поэтому языки и основные языки не перечислены. Лицензия в предоставленных данных не указана.

Kaoeiri объединил несколько языковых моделей в 22-миллиардную модель на архитектуре Mistral, используя метод DARE TIES и Mistral-Small-Instruct-2409 в качестве базовой модели. В состав объединения вошли модели для ролевых диалогов и создания прозы; карточка также отмечает разговорное назначение и интерфейс вызова инструментов. Модель предназначена для генерации текста, в частности диалогов и связной прозы в ролевых сценариях. Она принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий.

Nemotron-3-Nano-Omni-AEON-Ultimate-Uncensored-BF16 — экспериментальная модификация мультимодальной модели NVIDIA Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 от AEON-7. Это вариант BF16 с удалённым механизмом отказов методом ортогонализации подпространства в остаточном потоке; модель предназначена для диалогов, рассуждений, генерации кода и работы с изображениями и аудио. Архитектура NemotronH сочетает Mamba2, attention и MoE; в мультимодальный стек входят зрительная башня RADIO и аудиоэнкодер Parakeet. Метаданные указывают поддержку английского языка и задач генерации текста и any-to-any. Автор сообщает, что мультимодальные веса сохранены без изменений, а в точечных проверках сохранились арифметика, перевод, код и другие навыки. При этом релиз помечен как альфа: внутренние испытания выявили зацикливание рассуждений, пустые или повторяющиеся ответы и ухудшение в многоходовых диалогах; разработчик рекомендует считать модель исследовательским артефактом. Лицензия в метаданных обозначена как other, поэтому условия использования следует уточнить по карточке модели.

HoangQuocViet25/nlp-btl-xlsum-x4plus2 — дообученная на датасете XL-Sum модель VietAI/vit5-base для суммаризации текстов на вьетнамском языке. Она построена на архитектуре T5 и содержит 126,8 млн параметров. Модель принимает текст и генерирует его краткое изложение; максимальная длина контекста составляет 512 токенов. Модель подходит для автоматического составления кратких пересказов вьетнамских статей и других текстов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT.

OELLM 9B 128K theta32m v3 — базовая мультиязычная языковая модель OpenEuroLLM, созданная на основе baby_9b_dense с архитектурой Qwen3 Dense. Это версия полного обучения: контекст расширен с 4K до 128K токенов с помощью ABF и масштабирования RoPE с θ=32M; модель обучалась на 2 млрд токенов. Используйте её для генерации продолжений и извлечения сведений из длинного контекста; она не проходила инструкционную настройку и предназначена для работы как completion-модель. В тесте NIAH с одним целевым фрагментом модель показала 100% на 128K токенах в 12 европейских языках. Это результат узкого теста извлечения, поэтому он не гарантирует аналогичного качества на широком наборе задач или при поиске нескольких фрагментов. Модель использует Transformers и формат PyTorch. Лицензия — Apache-2.0.

QuantFactory/OmniLing-V1-8b-experimental-GGUF — квантизированная версия модели WoonaAI/OmniLing-V1-8b-experimental, созданная с помощью llama.cpp. Исходная модель разработана PegasusYaY (AlexBefest) и secretmoon на основе тонкой настройки AnatoliiPotapov/T-lite-instruct-0.1. Модель предназначена для генерации текста и перевода между русским и английским языками в направлениях RU→EN и EN→RU. Модель ориентирована на перевод художественных текстов, датасетов, пользовательских сообщений, описаний и других текстовых материалов. Заявленный размер — 8B параметров; поддерживаются русский и английский языки. Для работы рекомендуется использовать шаблон запросов Llama 3 Instruct, нейтральный system prompt и низкую температуру 0,1–0,3. Сведения о длине контекста и точных параметрах квантизации в карточке не указаны. По представленному benchmark модель получила итоговую оценку 80,1 из 100 в сравнении с рядом проприетарных и открытых моделей на переводе небольших литературных текстов; особенно отмечены передача культурных особенностей, связность и сохранение характеров персонажей. Результаты основаны на десяти итерациях и оценке Gemini 1.5 Pro Experimental, поэтому не гарантируют качество в других сценариях. Релиз экспериментальный, стабильная работа не гарантируется. Модель распространяется по лицензии Creative Commons Attribution-NonCommercial 4.0 International, допускающей некоммерческое использование с указанием авторства; для коммерческого применения требуется связаться с разработчиками.