I.5Создание и редактирование текста

Odin-9B — ранний чекпойнт Magnum V4 9B от Delta-Vector, созданный полным дообучением базовой Gemma 2 9B. Это плотная языковая модель семейства Gemma 2 с 9 млрд параметров и контекстом 8192 токена, предназначенная для творческого письма и ролевых диалогов. Модель настроена на формат чата ChatML и поддерживает генерацию текста в диалоговом режиме. Разработчик стремился получить выразительную прозу и качественное следование роли, снизив склонность к чрезмерной suggestive-подаче, характерной для Magnum, и сохранив часть сильных сторон Gemma 2. Для генерации автор рекомендует использовать min-p 0,02; без него ответы могут быть слабее. Модель обучалась четыре эпохи, а этот выпуск соответствует чекпойнту после двух эпох. Весовые файлы доступны в формате safetensors. В карточке не указана лицензия.

OmniLing-V1-8b-experimental — диалоговая модель на базе Llama, созданная SlerpE и secretmoon для перевода между русским и английским языками. Она дообучена на AnatoliiPotapov/T-lite-instruct-0.1 с использованием данных, сгенерированных более сильной моделью, и поддерживает формат чата. Модель предназначена для перевода художественных текстов, наборов данных, пользовательских сообщений и описаний в направлениях русский → английский и английский → русский. В карточке указаны 7,5 млрд параметров и контекст до 8192 токенов. Для перевода рекомендуется низкая температура 0,1–0,3 и нейтральная системная инструкция. В опубликованном небольшом тесте художественных переводов модель получила оценки 8,0 за точность, 7,3 за стилистическое соответствие и 8,3 за грамотность; это сравнение основано на десяти итерациях с Gemini 1.5 Pro Experimental в роли судьи и не гарантирует сопоставимого качества на других текстах. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Helsinki-NLP/opus-mt-de-es — модель машинного перевода с немецкого на испанский из семейства OPUS-MT, разработанная Helsinki-NLP. Она основана на архитектуре Marian Transformer-align и обучена на данных OPUS; перед подачей текста применяются нормализация и токенизация SentencePiece. Модель предназначена для перевода предложений и текстов с немецкого языка на испанский. Модель содержит 56,6 млн параметров, поддерживает обработку контекста длиной до 512 токенов и доступна в форматах PyTorch и TensorFlow. В README приведены результаты на наборе Tatoeba.de.es: BLEU 48,5 и chr-F 0,676. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-de-it — модель машинного перевода на базе архитектуры MarianMT, разработанная проектом OPUS и предназначенная для перевода с немецкого языка на итальянский. Она использует Transformer, нормализацию текста и токенизацию SentencePiece; число параметров — 55,8 млн, максимальный контекст — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Модель обучена на данных OPUS. В карточке приведён результат BLEU 45,3 и chr-F 0,671 на тестовом наборе Tatoeba.de.it. Она подходит для перевода предложений и текстов с немецкого на итальянский; качество для иных языковых направлений не заявлено. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-el — модель машинного перевода с английского на греческий, разработанная проектом OPUS и представленная организацией Helsinki-NLP. Это модель архитектуры MarianMT на базе Transformer-align, обученная на данных OPUS; для предобработки используются нормализация и SentencePiece. Модель содержит 58,4 млн параметров, поддерживает перевод текста и имеет контекст длиной до 512 токенов. Модель предназначена для перевода английских текстов на греческий, в том числе отдельных фраз и предложений. В README приведён результат BLEU 56,4 и chr-F 0,745 на тестовом наборе Tatoeba.en.el. Веса доступны в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-it — модель машинного перевода, разработанная Helsinki-NLP в рамках семейства OPUS-MT. Она переводит текст с английского на итальянский и подходит для перевода документов, новостных материалов и коротких фраз. Модель построена на архитектуре Transformer и использует предобработку с нормализацией и SentencePiece; в обучении использован корпус OPUS. Веса доступны в форматах PyTorch и TensorFlow, число параметров — 66,1 млн, длина контекста — 512 токенов. В карточке приведены оценки BLEU 30,9–31,9 для тестов новостного перевода и 48,2 для Tatoeba. Модель предназначена для направления английский → итальянский; качество может зависеть от тематики и стиля исходного текста. Лицензия — Apache-2.0.

Xenova/opus-mt-en-ru — модель машинного перевода с ONNX-весами, предназначенная для использования в Transformers.js. Она основана на Helsinki-NLP/opus-mt-en-ru, разработанной проектом Helsinki-NLP, и переводит текст с английского языка на русский. Модель ориентирована на веб-приложения и другие сценарии, где требуется запуск перевода через Transformers.js; ONNX-формат обеспечивает совместимость с этим JavaScript-инструментом. В доступных данных не указаны точная архитектура, размер модели, максимальная длина контекста и дополнительные модальности. Лицензия в README также не указана, поэтому условия использования следует уточнять в карточке базовой модели Helsinki-NLP/opus-mt-en-ru.

Helsinki-NLP разработала opus-mt-en-sw — модель машинного перевода с английского на суахили. Она основана на архитектуре Transformer-align и реализована как MarianMTModel; число параметров составляет 55,3 млн. Для нормализации текста применяется SentencePiece, максимальная длина контекста — 512 токенов. Модель обучена на данных OPUS; в карточке приведён результат BLEU 24,2 и chr-F 0,527 на тестовом наборе GlobalVoices.en.sw. Модель подходит для перевода текстов и документов с английского на суахили. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-es-it — модель машинного перевода с испанского на итальянский, опубликованная командой Helsinki-NLP и основанная на проекте OPUS-MT. Она использует архитектуру Marian Transformer и предназначена для перевода испанских текстов на итальянский; в обработке применяются нормализация и токенизация SentencePiece. Модель содержит 55,4 млн параметров, её контекст ограничен 512 токенами. В тесте Tatoeba.es.it указаны BLEU 55,9 и chr-F 0,751. Модель принимает текст на испанском и выдаёт перевод на итальянском. Распространяется под лицензией Apache-2.0; веса доступны в форматах PyTorch и TensorFlow. Карточка не описывает дополнительные языковые пары или специализированные предметные области.

Helsinki-NLP/opus-mt-hu-en — модель машинного перевода с венгерского на английский из проекта OPUS-MT, опубликованная Helsinki-NLP. Это трансформер MarianMT с архитектурой transformer-align, обученный на данных OPUS; в репозитории представлены веса PyTorch и TensorFlow. Для предобработки используются нормализация текста и SentencePiece. Размер модели — 57,2 млн параметров, заявленная длина контекста — 512 токенов. Модель предназначена для перевода венгерских текстов на английский. В README приведены результаты на наборе Tatoeba.hu.en: BLEU 52,9 и chr-F 0,683. Эти показатели относятся к указанному тестовому набору и не гарантируют такое же качество для других типов текстов. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-it-fr — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с итальянского языка на французский и предназначена для перевода отдельных фраз и документов. Модель построена на архитектуре MarianMT с Transformer и использует нормализацию текста и токенизацию SentencePiece. Размер модели — 55,6 млн параметров, длина контекста — 512 токенов. В карточке приведены результаты на наборе Tatoeba.it.fr: BLEU 67,9 и chr-F 0,792. Модель доступна в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-lv-ru — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP на основе проекта Tatoeba-Challenge. Она переводит текст с латышского языка на русский и предназначена для перевода фраз и текстов в пользовательских приложениях и рабочих процессах локализации. Модель построена на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece с моделями spm32k. В метаданных указано 57,4 млн параметров и контекст до 512 токенов. Для набора Tatoeba-test.lav.rus в карточке приведены оценки BLEU 53,3 и chr-F 0,702. Модель ориентирована на одну языковую пару: латышский как входной и русский как выходной язык. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-nl-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с нидерландского на английский и предназначена для автоматического перевода отдельных фраз и текстов. Модель построена на архитектуре Marian Transformer, содержит около 59,5 млн параметров и использует нормализацию текста и токенизацию SentencePiece. Максимальная длина контекста — 512 токенов. Для набора Tatoeba.nl.en в карточке приведены результаты BLEU 60,9 и chr-F 0,749. Модель принимает текст на нидерландском и выдаёт перевод на английском; другие языковые направления не заявлены. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-pl-fr — модель машинного перевода на архитектуре MarianMT, разработанная командой Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с польского на французский и обучена на данных OPUS; перед обработкой применяются нормализация и токенизация SentencePiece. Модель основана на Transformer-align и содержит 55,9 млн параметров, её родной контекст составляет 512 токенов. Модель предназначена для автоматического перевода польских текстов на французский, в том числе для перевода отдельных фраз и предложений. В README приведена оценка BLEU 49,0 и chr-F 0,659 на тестовом наборе Tatoeba.pl.fr. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-pl-uk — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с польского языка на украинский и предназначена для перевода отдельных фраз и текстов в приложениях и рабочих процессах обработки языка. Модель построена на архитектуре Marian Transformer с выравниванием, содержит 57,2 млн параметров и использует нормализацию и SentencePiece с словарями размером 32 тыс. токенов. Максимальная длина контекста — 512 токенов. Для набора Tatoeba-test.pol.ukr в карточке приведены BLEU 47,1 и chr-F 0,665. Модель поддерживает одно направление перевода: польский → украинский. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ro-fr — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с румынского языка на французский. Модель основана на архитектуре Marian Transformer, использует нормализацию и токенизацию SentencePiece; размер — 54,2 млн параметров, контекст — до 512 токенов. Модель предназначена для перевода предложений и текстов общего назначения. В README приведены результаты тестирования на Tatoeba.ro.fr: BLEU 54,5 и chr-F 0,697. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-tc-big-en-gmq — модель машинного перевода проекта OPUS-MT, разработанного Helsinki-NLP. Она переводит текст с английского на датский, фарерский, исландский, норвежский букмол, норвежский нюнорск и шведский. Модель построена на архитектуре Marian NMT и содержит около 156,6 млн параметров; максимальная длина контекста — 1024 токена. Модель предназначена для перевода предложений и текстов между английским и северогерманскими языками. В README приведены результаты тестирования на наборах OPUS и Tatoeba, включая BLEU 61,6 для направления английский—датский и 18,3 для английский—фарерский; качество различается по языковым парам. Веса доступны в форматах PyTorch, Safetensors и TensorFlow. Лицензия — CC BY 4.0; при использовании требуется указание авторства.

Это нейронная модель машинного перевода OPUS-MT, разработанная в рамках проекта OPUS-MT и выпущенная Helsinki-NLP. Модель переводит текст с английского на итальянский и построена на архитектуре Transformer-big, реализованной с помощью Marian NMT. Для токенизации используется SentencePiece с словарями размером 32 тыс. токенов для каждого языка. Модель предназначена для автоматического перевода английских предложений и текстов на итальянский, например, для локализации материалов и перевода пользовательских запросов. Она содержит около 156,4 млн параметров; длина контекста — до 1024 токенов. В README приведены результаты оценки на наборах Tatoeba, FLORES-101 и новостном тестовом наборе. Модель принимает текст на английском и выдаёт текст на итальянском. Она специализируется на одной языковой паре и не предназначена для универсального многоязычного перевода. Лицензия — CC BY 4.0; при использовании следует соблюдать её условия и требования к атрибуции.

Модель Helsinki-NLP/opus-mt-tc-big-en-ko разработана Language Technology Research Group Хельсинкского университета в рамках проекта OPUS-MT. Это нейросетевая модель машинного перевода на архитектуре Marian transformer-big, предназначенная для перевода текста с английского на корейский. Она обучена на данных OPUS с предобработкой SentencePiece и имеет около 133,4 млн параметров; доступная длина контекста — 1024 токена. Модель подходит для перевода предложений и текстовых фрагментов между английским и корейским языками. Веса доступны в форматах PyTorch, Safetensors и TensorFlow. Лицензия CC-BY-4.0 разрешает использование при соблюдении условий атрибуции. В README приведены сведения об оценке на тестовых данных, но численные результаты не заполнены, поэтому качество для конкретных текстов по этим данным оценить нельзя.

Helsinki-NLP/opus-mt-tc-big-en-tr — модель машинного перевода проекта OPUS-MT, разработанная на основе Marian NMT и опубликованная в формате Transformers. Она переводит текст с английского языка на турецкий; архитектура — Transformer-big, число параметров — 159,1 млн. Для токенизации используется SentencePiece с вокабуляром 32k. Модель подходит для перевода предложений и текстов с английского на турецкий, в том числе в пакетах Transformers. В карточке приведены оценки на тестовых наборах Tatoeba, FLORES-101 и newsdev2016. Контекст модели — до 1024 токенов. Модель выпущена в рамках OPUS-MT и обучена на данных OPUS с использованием указанного в карточке набора opusTCv20210807+bt. Лицензия — CC BY 4.0. Это направленная модель перевода: она предназначена для пары английский→турецкий; качество может различаться в зависимости от жанра и тематики текста.

Модель remox01/opus-mt-tc-big-en-tr — модель машинного перевода с английского на турецкий, разработанная на основе Helsinki-NLP/opus-mt-tc-big-en-tr и обученная на датасете remox01/xde. Она использует архитектуру MarianMT и подходит для перевода текстов и интеграции в приложения через библиотеку Transformers. Контекст модели составляет 1024 токена, веса опубликованы в формате safetensors. Модель ориентирована на пару языков en→tr; направление tr→en представлено отдельной связанной моделью. Карточка не указывает лицензию и количественные характеристики модели. Качество перевода зависит от тематики и данных; перед применением в критически важных сценариях результат следует проверять.

Helsinki-NLP/opus-mt-tc-big-he-en — модель машинного перевода проекта OPUS-MT для перевода с иврита на английский. Исходную модель разработали с использованием Marian NMT; опубликованная версия преобразована для Transformers и PyTorch. Архитектура — Transformer-big на базе Marian, около 162,4 млн параметров; для токенизации используется SentencePiece с словарями spm32k. Метаданные указывают контекстное окно 1024 токена. Модель предназначена для перевода предложений и текстов с иврита на английский. Она обучена на данных OPUS, включая opusTCv20210807+bt, и сопровождается результатами оценки на Tatoeba и FLORES-101. В репозитории доступны веса PyTorch, Safetensors и TensorFlow. Лицензия — CC BY 4.0.

Helsinki-NLP представляет opus-mt-tc-big-tr-en — модель машинного перевода с турецкого на английский из проекта OPUS-MT. Она построена на архитектуре Transformer-big Marian NMT, содержит 159,1 млн параметров и использует токенизацию SentencePiece с словарями по 32 тыс. токенов. Модель обучена на данных OPUS, включая opusTCv20210807+bt, и доступна через Transformers; веса представлены в форматах PyTorch, Safetensors и TensorFlow. Модель предназначена для перевода турецких текстов на английский, например предложений и материалов общего характера. В README приведены результаты оценки на наборах Tatoeba, FLORES-101 и newsdev2016. Лицензия — CC BY 4.0; при использовании авторы просят цитировать публикации проекта OPUS-MT.

DreamGen Opus V0 7B — языковая модель DreamGen для управляемого написания историй, чата и ролевых диалогов. Это дообученная версия Mistral-7B-v0.1 с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст на английском языке. Модель обучена следовать заданным сведениям о мире и персонажах, предыдущим фрагментам истории и указаниям о том, что должно произойти дальше. Карточка также характеризует её как uncensored, поэтому ответы могут включать взрослые или жестокие темы. В датасет дообучения вошли примеры совместного письма и более общие текстовые примеры; автор сообщает, что проза в наборе была написана людьми. Для запуска доступны совместимые с Mistral инструменты, включая vLLM и text-generation-webui. Модель распространяется в формате PyTorch. Лицензия в предоставленных данных не указана. Автор предупреждает, что доступные отдельно квантованные версии заметно уступают оригиналу по качеству.

Ouroboros-24B-v1.4 — текстовая генеративная модель OccultAI для создания художественных историй и ролевых диалогов. Она основана на Naphula/Goetia-24B-v1.4 и использует плотную архитектуру Mistral с 23,4 млрд параметров. Модель рассчитана на генерацию продолжений сцен, сюжетов и прозы в разных жанрах; поддерживает контекст до 131 072 токенов и английский язык. Модель распространяется в формате safetensors и предназначена для работы через Transformers с шаблоном чата Mistral Tekken. Карточка предупреждает, что генерируемые истории и ролевые диалоги могут включать насилие и откровенный эротический контент. Лицензия — Apache-2.0.

Pantheon-of-Cydonia-Realm-MN-22B-RP — слитая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из Gryphe/Pantheon-RP-Pure-1.6.2-22b-Small и TheDrummer/Cydonia-22B-v1.2. Модель содержит 22 млрд параметров и рассчитана на генерацию текста в диалоговом формате, включая творческое письмо и ролевые сцены. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Репозиторий использует библиотеку Transformers и формат safetensors. Карточка не приводит сведения о лицензии и языковой специализации, поэтому их нельзя определить по предоставленным данным.

HaitameLaf/Phi3_StoryGenerator — дообученная HaitameLaf модель для генерации текста, в том числе историй. Основана на unsloth/Phi-3-mini-4k-instruct-bnb-4bit; в метаданных указана плотная архитектура MistralForCausalLM и размер 3,7 млрд параметров. Модель поддерживает диалоговый режим и принимает текст, выдавая текст. Карточка указывает английский и французский языки, а среди обучающих наборов — франкоязычные данные о видеоиграх, оружии и испытаниях. Контекст модели составляет 4096 токенов. Обучение проводилось с Unsloth и библиотекой TRL. Модель подходит для генерации историй и сюжетного текста, в частности на игровую тематику. Лицензия — Apache-2.0; конкретные ограничения качества и использования в карточке не описаны.

quickmt/quickmt-en-he — нейросетевая модель машинного перевода с английского на иврит, разработанная проектом QuickMT. Она обучена с помощью eole и предназначена для быстрого перевода текстов; заявлено использование для инференса в формате CTranslate2. Архитектура — Transformer примерно на 200 млн параметров, с 8 слоями энкодера и 2 слоями декодера; для токенизации используются отдельные SentencePiece-словари по 32 тыс. элементов. В README приведены результаты оценки на Flores200 devtest для направления en→he: BLEU 34,32, chrF2 62,37 и COMET22 87,91. Измеренное время обработки 1012 предложений составило 1,15 секунды на Nvidia RTX 4070s с размером пакета 32; для запуска на GPU требуется CUDA Toolkit. Модель распространяется по лицензии CC BY 4.0.

qwen2.5-0.5B-Instruct-pruned-Inshort — разреженная по глубине и ширине версия модели qwen2.5-0.5B-Instruct-Inshort, представленная автором проекта по исследованию сжатия языковых моделей. Модель предназначена для создания коротких заголовков и суммаризации новостных материалов в стиле Inshorts. Архитектура — плотная причинно-языковая модель Qwen2 с 277,4 млн параметров, класс Qwen2ForCausalLM. В пруненной версии 11 декодерных слоёв вместо 24 и промежуточный размер MLP 4096 вместо 4864. Метаданные указывают контекст до 32 768 токенов; модель принимает текст и генерирует текст. Карточка не уточняет поддерживаемые естественные языки. Автор описывает проект как исследование прунинга с последующим восстановлением качества дистилляцией и дообучением, однако этот вариант обозначен именно как пруненная модель. В карточке приведены низкие значения ROUGE и оценка 1,003 по пользовательской шкале LLM-судьи; методика оценки описана ограниченно, поэтому качество результатов следует проверять на собственных данных. Репозиторий использует формат safetensors и библиотеку Transformers; сведения о лицензии в предоставленных данных отсутствуют.

Это дообученная hungpill модель Qwen3-0.6B-JSON-SFT-GRPO на архитектуре Qwen3 с плотной авторегрессионной языковой моделью Qwen3ForCausalLM. Она предназначена для генерации текста в диалоговом режиме и может применяться для задач, где нужен текстовый ответ в формате JSON. Параметры модели — около 507,9 млн, контекст — до 40 960 токенов. Обучение выполнялось с Unsloth и библиотекой Hugging Face TRL. Модель принимает текст и генерирует текст; в метаданных также заявлен интерфейс вызова инструментов. Карточка указывает на дообучение модели NotoriousH2/Qwen3-0.6B-JSON-SFT. Поддержка английского отмечена в метаданных, но подробностей о дополнительных языках и качестве на них карточка не приводит. Лицензия — Apache-2.0.