I.5Создание и редактирование текста

DJuna/MN-Chinofun-12B-4.1 — объединённая текстовая модель на архитектуре Mistral, созданная с помощью mergekit и метода SCE на базе ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.3 с включением пяти других моделей. Модель содержит 12,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Карточка указывает поддержку диалогового режима. Модель предназначена для диалоговой генерации и интерактивных ролевых сценариев. В карточке нет сведений о лицензии, поэтому условия использования определить нельзя.

MN Crimson Cafe 12B — объединённая языковая модель семейства Mistral от EldritchLabs, созданная слиянием MN-VelvetCafe-RP-12B-V2 и Crimson-Constellation-12B методом multi_fusion с метрикой важности cosine_sim. Модель содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста в ролевых диалогах, творческом письме и повествовательных сценариях, включая приключенческие истории и разговоры с персонажами. Поддерживает чатовый формат; в карточке не приведены сведения о конкретных языках. Весы опубликованы в формате Safetensors, библиотека для работы — Transformers. Лицензия — Creative Commons Attribution 4.0 International (CC BY 4.0), требующая указания авторства. Специальные ограничения качества или применения в карточке не описаны.

MN-Violet-Lotus-12B — объединённая языковая модель автора FallenMerick на архитектуре Mistral. Она создана с помощью mergekit: в состав объединения вошли Violet_Twilight-v0.2, Lumimaid-v0.2-12B, MN-12B-Lyra-v4 и Mahou-1.5-mistral-nemo-12B, а Mistral-Nemo-Instruct-2407 использовалась как базовая точка слияния. Модель содержит 12,1 млрд параметров, работает с текстом и имеет контекст до 131 072 токенов. Модель предназначена прежде всего для ролевых диалогов и творческого письма: она может поддерживать разные характеры персонажей, создавать художественные тексты и вести текстовые приключения. Автор отмечает высокие результаты на собственных тестах эмоционального интеллекта и предпочитаемый им стиль письма, однако не приводит независимой оценки этих качеств. Модель распространяется под лицензией CC BY 4.0.

mebrahimzadeh/mt5-base-finetuned-v1 — дообученная модель семейства mT5, созданная на основе google/mt5-base и набора Persian News. Она предназначена для суммаризации текстов на персидском языке, в частности новостных материалов. Модель имеет архитектуру MT5ForConditionalGeneration и содержит 291,2 млн параметров; доступные веса представлены в формате PyTorch. В карточке приведены результаты оценки на тестовом наборе: loss 1.087988, ROUGE-1 1.2887, ROUGE-2 0.1861, ROUGE-L 1.2862 и ROUGE-Lsum 1.2818. Эти показатели относятся к указанной оценке и сами по себе не гарантируют качество на других данных. Модель распространяется по лицензии Apache-2.0.

hosseinmhmdkhani/mt5-small-finetuned-persian-news-summarization — дообученная модель на архитектуре mT5-Small для суммаризации персидских новостных текстов. Она построена на базе google/mt5-small, содержит 157,4 млн параметров и использует библиотеку Transformers. В README приведены метрики оценки ROUGE: F1 составляет 56,865 для ROUGE-1, 46,505 для ROUGE-2 и 54,025 для ROUGE-L. Модель предназначена для создания кратких сводок новостей на персидском языке. Датасет обучения не указан, поэтому область применения и качество за пределами персидской новостной суммаризации по имеющимся данным оценить нельзя. Репозиторий распространяется по лицензии Apache-2.0.

Это дообученная модель Google mT5-small для суммаризации новостных текстов на персидском языке. Она построена на архитектуре MT5ForConditionalGeneration и содержит 157,4 млн параметров; веса представлены в формате safetensors. Модель предназначена для получения краткого содержания персидских новостей из исходного текста. Модель распространяется по лицензии Apache-2.0. Карточка не содержит сведений о конкретных обучающих данных, оценках качества или ограничениях суммаризации, поэтому качество результатов для отдельных типов новостей не установлено.

myawesomebooksmodel2 — модель T5, дообученная Taisiia7 на основе utrobinmv/t5_translate_en_ru_zh_small_1024. Она предназначена для генерации текста по текстовому запросу; базовая модель поддерживает перевод между английским, русским и китайским языками, однако README не уточняет специализацию дообучения на книжных данных. Модель содержит 62,7 млн параметров и распространяется в формате safetensors через библиотеку Transformers. В README приведены результаты оценки: BLEU 41,4247, Loss 0,9046 и средняя длина генерации 39,2936. Датасет обучения и конкретные ограничения не описаны. Лицензия — Apache-2.0.

OsaurusAI публикует JANG_6M — мультимодальную квантизированную сборку NVIDIA Nemotron-3-Nano-Omni-30B-A3B-Reasoning для запуска на Apple Silicon через MLX. Это гибридная архитектура Mamba-2, attention и MoE: в README указаны 31 млрд параметров всего и около 3 млрд активных, тогда как метаданные каталога сообщают 1,9 млрд параметров. Контекст составляет 262 144 токена. Модель принимает текст, изображения и видео; базовая модель также поддерживает аудио, но README этой сборки не подтверждает работу аудиовхода. Сборка рассчитана на диалог, рассуждения и анализ мультимодальных входных данных, включая изображения и видео. Квантизация смешанная: экспертные слои занимают 6 бит, а часть других компонентов — 8 бит; башни зрения и речи оставлены в fp16. README указывает поддержку изображений через RADIO и видео через выборку кадров и EVS. Лицензия — NVIDIA Open Model License; сведения о дополнительных условиях лицензии в карточке не приведены.

OddTheGreat/Nomad_12B_V6 — слитая разговорная модель на архитектуре Mistral, опубликованная OddTheGreat. Она предназначена для диалогов и творческой генерации, особенно для сюжетного письма и ролевых сценариев; автор описывает её как улучшенную версию Badman с более сильными рассуждениями и генерацией эротических ролевых сцен (ERP). Модель содержит 12,1 млрд параметров и поддерживает контекст до 131 072 токенов. Модель принимает текст и генерирует текст. Карточка сообщает о поддержке русского и английского языков, причём русские возможности унаследованы от предыдущей версии; на полностью русских карточках персонажей она работает немного лучше, а на частично переведённых иногда может менять язык. Поддерживаются форматы диалога ChatML и Mistral, которые дают заметно различающееся поведение. Модель распространяется в формате Safetensors; сведения о лицензии в доступных данных отсутствуют.

Norosumika-7B — языковая модель, созданная ABX-AI слиянием двух предварительно обученных моделей методом SLERP с помощью mergekit. Она предназначена для ролевых диалогов и написания историй. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров; максимальная длина контекста — 32 768 токенов. Модель генерирует текст и подходит для создания реплик персонажей, развития ролевых сценариев и написания художественных историй. В карточке указана лицензия, однако её название в доступных данных не приведено.

Helsinki-NLP/opus-mt-en-fi — модель машинного перевода с английского на финский, опубликованная в рамках проекта OPUS. Это Transformer-модель семейства MarianMT с 58,4 млн параметров; для обработки текста используются нормализация и SentencePiece. Модель обучена на данных opus+bt-news и рассчитана на перевод предложений с английского языка на финский. В README приведены результаты на тестовом наборе newstest2019-enfi: BLEU 25,7 и chr-F 0,578. Модель доступна в форматах PyTorch и TensorFlow, лицензия — Apache-2.0. Указанное нативное окно контекста — 512 токенов.

Helsinki-NLP/opus-mt-en-nl — модель машинного перевода, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с английского языка на нидерландский и подходит для автоматического перевода предложений и текстов в приложениях и рабочих процессах обработки языковых данных. Модель основана на архитектуре Transformer и реализована как MarianMTModel. Она содержит 59,5 млн параметров, использует нормализацию и SentencePiece для предобработки текста, а длина контекста составляет 512 токенов. В карточке приведён результат BLEU 57,1 и chr-F 0,730 на тестовом наборе Tatoeba.en.nl. Модель предназначена для перевода в одном направлении: с английского на нидерландский. Лицензия Apache-2.0 разрешает её использование на условиях этой лицензии.

BlackKakapo разработала дообученную модель машинного перевода на основе Helsinki-NLP/opus-mt-en-ro. Модель переводит текст с английского на румынский и построена на архитектуре Marian; она содержит 55,7 млн параметров и рассчитана на контекст до 512 токенов. Модель дообучена на полном наборе данных ccmatrix. В README приведено сравнение на тестовом наборе Helsinki-NLP/tatoeba_mt: BLEU модели составляет 0,53118, тогда как у исходной Helsinki-NLP/opus-mt-en-ro — 0,45844. Модель доступна в форматах PyTorch и Safetensors по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-ro — модель машинного перевода с английского на румынский, разработанная проектом OPUS и опубликованная организацией Helsinki-NLP. Она предназначена для перевода текстов и обучена на данных OPUS. Модель построена на архитектуре Transformer-align; предобработка включает нормализацию текста и SentencePiece. Веса объёмом 55,7 млн параметров доступны в форматах PyTorch и TensorFlow, лицензия — Apache-2.0. В карточке приведены результаты тестирования: BLEU 30,8 на newsdev2016-enro, 28,8 на newstest2016-enro и 45,3 на Tatoeba.en.ro. Контекст модели составляет 512 токенов. Она рассчитана на перевод с английского на румынский; другие направления перевода не заявлены.

Helsinki-NLP/opus-mt-en-sk — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского на словацкий и основана на архитектуре Transformer-align, реализованной как MarianMTModel. Модель обучена на корпусе OPUS; предобработка включает нормализацию и SentencePiece. Размер — 55,9 млн параметров, контекст — до 512 токенов. Доступны веса PyTorch и TensorFlow. Модель подходит для перевода предложений и документов с английского на словацкий. В README приведён результат BLEU 36,8 и chr-F 0,578 на тестовом наборе JW300.en.sk. Модель распространяется по лицензии Apache-2.0.

steve-tong/opus-mt-en-zh-tw — дообученная модель MarianMT, созданная на основе Helsinki-NLP/opus-mt-en-zh. Она предназначена для машинного перевода текста с английского на китайский традиционным письмом. Модель содержит 58,4 млн параметров, работает с текстом и имеет контекстное окно 512 токенов. Модель может использоваться для перевода коротких фрагментов, сообщений и документов с английского на китайский традиционным письмом. В README не приведены сведения о датасете, оценках качества или специальных ограничениях. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-es-uk — модель машинного перевода из семейства OPUS-MT, разработанного Helsinki-NLP. Она переводит текст с испанского языка на украинский и предназначена для автоматического перевода предложений и коротких текстов. Модель основана на архитектуре Transformer-align и реализована как MarianMTModel; содержит 57,1 млн параметров, использует нормализацию и SentencePiece с словарями spm32k. Контекст составляет до 512 токенов. Для тестового набора Tatoeba-test.spa.ukr указаны BLEU 41,3 и chr-F 0,614. Модель принимает испанский текст и выдаёт украинский перевод. Распространяется по лицензии Apache-2.0.

Карточка модели mijuanlo/opus-mt-es-uk на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-es-uk, поэтому описание составлено по ней. Helsinki-NLP/opus-mt-es-uk — модель машинного перевода из семейства OPUS-MT, разработанного Helsinki-NLP. Она переводит текст с испанского языка на украинский и предназначена для автоматического перевода предложений и коротких текстов. Модель основана на архитектуре Transformer-align и реализована как MarianMTModel; содержит 57,1 млн параметров, использует нормализацию и SentencePiece с словарями spm32k. Контекст составляет до 512 токенов. Для тестового набора Tatoeba-test.spa.ukr указаны BLEU 41,3 и chr-F 0,614. Модель принимает испанский текст и выдаёт украинский перевод. Распространяется по лицензии Apache-2.0.

Helsinki-NLP разработала opus-mt-fr-el — модель машинного перевода с французского на греческий. Она обучена на данных OPUS и использует архитектуру Transformer-align с предобработкой текста, нормализацией и SentencePiece. Модель принимает французский текст и генерирует его перевод на греческий. В метаданных указаны 56,3 млн параметров, контекст до 512 токенов и лицензия Apache-2.0. Для набора Tatoeba.fr.el в карточке приведены BLEU 56,2 и chr-F 0,719; эти оценки относятся к указанному тестовому набору.

Helsinki-NLP/opus-mt-fr-en — модель машинного перевода, разработанная Helsinki-NLP в рамках проекта OPUS. Она переводит текст с французского на английский и предназначена для перевода отдельных текстов и документов. Модель основана на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece; число параметров — 55,6 млн, контекст — до 512 токенов. В README приведены результаты на тестовых наборах новостных текстов: BLEU от 30,3 до 38,7. Модель поддерживает французский как исходный и английский как целевой язык. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-fr-ru — модель машинного перевода на архитектуре MarianMT, разработанная в рамках проекта OPUS. Она переводит текст с французского на русский и обучена на данных OPUS; предобработка включает нормализацию и SentencePiece. Модель основана на Transformer и содержит 58,1 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для перевода французских текстов на русский, в том числе отдельных фраз и предложений. В карточке приведён результат BLEU 37,9 на наборе Tatoeba.fr.ru. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ru-lt — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer с выравниванием. Она переводит текст с русского языка на литовский; для токенизации применяются нормализация и SentencePiece с словарями размером 32 тыс. токенов. Модель содержит 57,4 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. В карточке приведён результат BLEU 43,5 и chr-F 0,675 на наборе Tatoeba-test.rus.lit. Модель подходит для перевода отдельных текстов и локализации русскоязычных материалов на литовский. Распространяется по лицензии Apache-2.0.

Helsinki-NLP разработала эту модель в рамках проекта OPUS-MT для машинного перевода с болгарского языка на английский. Это большая версия модели на архитектуре Transformer, реализованная через Marian NMT; в Hugging Face она представлена классом MarianMTModel. Модель обучена на данных OPUS с использованием корпуса opusTCv20210807+bt и токенизации SentencePiece с моделью словаря 32k. Размер составляет 162,5 млн параметров, родной контекст — 1024 токена. Модель подходит для перевода болгарских предложений и текстов на английский, например для локализации материалов или подготовки чернового перевода. В карточке приведены результаты на тестовых наборах Tatoeba и FLORES-101. Поддерживается направление bg→en; качество на других языках и для обратного перевода не заявлено. Лицензия — CC BY 4.0.

Helsinki-NLP/opus-mt-tc-big-en-fi — модель машинного перевода проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского на финский и построена на архитектуре Marian NMT; число параметров — около 159,9 млн, максимальная длина контекста — 1024 токена. Модель доступна в форматах PyTorch, Safetensors и TensorFlow. Модель предназначена для перевода предложений и текстов общего назначения. В README приведены результаты оценки на тестовых наборах Tatoeba, FLORES-101 и newsdev2015. Для финского языка предусмотрена целевая метка >>fin>id>fin<<. Лицензия — CC BY 4.0; при использовании следует учитывать условия атрибуции.

Ornith-1.0-9B-abliterated-fable — разговорная текстовая модель с архитектурой Qwen 3.5, разработанная ansulev на базе YuYu1015/YuYu1015-Ornith-1.0-9B-abliterated. Модель содержит около 9,57 млрд параметров и дообучена методом LoRA SFT на 3 346 многоходовых трассах рассуждений Fable-5 с форматом вызова инструментов Hermes. Поддержка MTP предназначена для ускорения спекулятивного декодирования. Модель рассчитана на диалоговые сценарии с пошаговыми рассуждениями и вызовом инструментов. В README она описана как модель без обычных шаблонов отказа. Для данных дообучения использовались только текстовые примеры, а башня обработки изображений базовой модели была заморожена; практическая поддержка изображений этой версией не подтверждена. Карточка указывает английский язык. Модель распространяется по лицензии MIT.

Карточка модели hotdogs/Ornith-1.0-9B-abliterated-fable на Hugging Face совпадает с карточкой ansulev/Ornith-1.0-9B-abliterated-fable, поэтому описание составлено по ней. Ornith-1.0-9B-abliterated-fable — разговорная текстовая модель с архитектурой Qwen 3.5, разработанная ansulev на базе YuYu1015/YuYu1015-Ornith-1.0-9B-abliterated. Модель содержит около 9,57 млрд параметров и дообучена методом LoRA SFT на 3 346 многоходовых трассах рассуждений Fable-5 с форматом вызова инструментов Hermes. Поддержка MTP предназначена для ускорения спекулятивного декодирования. Модель рассчитана на диалоговые сценарии с пошаговыми рассуждениями и вызовом инструментов. В README она описана как модель без обычных шаблонов отказа. Для данных дообучения использовались только текстовые примеры, а башня обработки изображений базовой модели была заморожена; практическая поддержка изображений этой версией не подтверждена. Карточка указывает английский язык. Модель распространяется по лицензии MIT.

Phi-2 — базовая плотная Transformer-модель Microsoft с 2,7 млрд параметров, предназначенная для генерации текста. Она предсказывает следующий токен и рассчитана прежде всего на стандартный английский. В карточке Hugging Face указаны 3,5 млрд параметров; контекст составляет 2048 токенов. Модель распространяется в формате safetensors по лицензии MIT. Phi-2 подходит для ответов на вопросы, диалоговых подсказок и генерации кода, особенно на Python. В бенчмарках на здравый смысл, понимание языка и логические рассуждения модель показала высокие результаты среди моделей менее 13 млрд параметров. Она не проходила дообучение на инструкциях или RLHF, поэтому может плохо следовать сложным указаниям и часто выдаёт лишний текст. Сгенерированные факты и код требуют проверки: модель может ошибаться, а её знания о коде в основном охватывают Python и распространённые библиотеки. Возможны общественные предубеждения и токсичные ответы. Microsoft указывает, что модель не проверена для производственных задач без предварительной оценки.

Josephgflowers/Phi-3-mini-4k-instruct-Cinder-with-16bit-GGUF — англоязычный чат-бот Cinder на основе Phi-3 Mini, доработанный для научных и образовательных бесед, общения и творческого исследования. В карточке указано, что дообучение включает данные о персонаже Cinder, вопросы и ответы по знаниям о мире и STEM, а также сокращённый набор данных Samantha, отредактированный для Cinder. Метаданные описывают плотную архитектуру Phi-3 с 3,7 млрд параметров и контекстом 4096 токенов; репозиторий содержит GGUF в формате F16 и safetensors, а модель поддерживает генерацию текста и код. Модель предназначена для диалогов и следования инструкциям, а компактный размер подходит для сценариев с ограничениями по памяти и задержке. В README также отмечены STEM-темы, математика, логика и программирование. Лицензия — MIT. Основное заявленное применение — английский язык. Качество на других языках может быть ниже; ответы могут содержать ошибки, выдуманные сведения, предвзятость или оскорбительный контент. Код и ответы в чувствительных областях требуют проверки; для высокорисковых сценариев нужны дополнительные меры оценки и защиты.

DaveGergern/PsyfighterTwo-ErebusThree-SlerpThree — языковая модель Llama 2, созданная слиянием методом SLERP двух предварительно обученных моделей: KoboldAI/LLaMA2-13B-Psyfighter2 и KoboldAI/LLaMA2-13B-Erebus-v3. Модель содержит 10,3 млрд параметров, использует архитектуру LlamaForCausalLM и доступна в формате safetensors для библиотеки Transformers. Длина контекста — 4096 токенов. Модель предназначена для генерации текста, в частности художественного письма, диалогов с персонажами и текстовых приключений — сценариев, указанных для базовых моделей в метаданных каталога. Сведения о поддерживаемых языках и конкретных ограничениях качества в карточке не приведены. Лицензия не указана в предоставленных данных.

Pygmalion-2 7B — языковая модель PygmalionAI на архитектуре Llama 2, дообученная методом supervised fine-tuning на инструкциях, диалогах, ролевых сценариях и художественных текстах. Модель содержит 6,6 млрд параметров и рассчитана на генерацию текста с контекстом до 4096 токенов. Модель предназначена прежде всего для творческого письма и бесед: она может продолжать ролевые диалоги, отвечать от лица заданного персонажа и создавать художественные истории. Инструкции на естественном языке позволяют задавать роль, стиль и длину ответа. В карточке заявлено использование по лицензии Llama 2, разрешающей коммерческое и некоммерческое применение при соблюдении её условий.