I.5Создание и редактирование текста

Josiefied-Qwen3-VL-4B-Instruct-abliterated-beta-v1 — мультимодальная чат-модель Гёкдениза Гюльмеза на архитектуре Qwen3-VL с 4 млрд параметров. Она дообучена на Qwen/Qwen3-VL-4B-Instruct с изменением поведения безопасности («abliteration») и дополнительной настройкой следования инструкциям; разработчик сообщает, что обучение выполнялось на Apple Silicon с использованием MLX. В репозитории указаны веса safetensors, а также варианты MLX и GGUF. Модель предназначена для диалога и генерации ответов по инструкциям; базовая Qwen3-VL поддерживает анализ изображений и видео, OCR и визуальные рассуждения. Разработчик позиционирует эту версию как менее ограниченную фильтрами безопасности при сохранении навыков следования инструкциям и использования инструментов. README предупреждает, что модель может выдавать чувствительный или спорный контент. Лицензия в предоставленных данных не указана.

kazRush-kk-ru — модель машинного перевода, разработанная DeepPavlov и предназначенная для перевода с казахского на русский. Это модель T5 для генерации текста по тексту; в README указано, что веса были инициализированы случайным образом и обучены на открытых параллельных данных. Метаданные указывают 48,1 млн параметров, формат safetensors и библиотеку Transformers. Для обучения использовались параллельные корпуса OPUS, kazparc и WMT19; качество оценивали на FLORES+ по BLEU, chrF и COMET. Модель подходит для перевода казахских текстов на русский, включая применение в приложениях машинного перевода. Лицензия — Apache-2.0. Для использования требуется библиотека sentencepiece.

Yehor разработал kulyk-uk-en — компактную языковую модель для машинного перевода с украинского на английский, дообученную на базе LiquidAI/LFM2-350M. Это плотная причинная архитектура LFM2 с 444,6 млн параметров по метаданным; автор указывает 354 млн параметров. Модель принимает текст и генерирует перевод. Для запуска доступны веса Safetensors и квантованный вариант GGUF Q8_0; автор также приводит запуск на CPU и CUDA. Для дообучения использовано 40 млн отфильтрованных примеров из набора примерно в 53,5 млн, обучение продолжалось 1,4 эпохи. В README сообщается результат BLEU 36,27 на FLORES-200. Метаданные указывают контекст 128 000 токенов, однако в описании обучения задана максимальная длина 2048 токенов. Модель предназначена для перевода с украинского на английский; README указывает лицензию lfm1.0, а метаданные обозначают лицензию как other.

djuna/L3.1-RPganoff-8B-B — диалоговая текстовая модель, созданная слиянием моделей с помощью mergekit и метода della_linear. В качестве базовой использована ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.1, в слияние также вошла HiroseKoichi/Llama-3-8B-Stroganoff-4.0. Модель основана на плотной архитектуре Llama и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалогах и ролевых сценариях, а также для творческого письма. Максимальная длина контекста составляет 131 072 токена. Метаданные указывают на поддержку чата; описание базовой модели связывает её с творческим письмом и ролевыми сценариями. Репозиторий содержит веса в формате Safetensors. Сведения о лицензии и языковой поддержке в предоставленных данных отсутствуют.

L3.3-Ignition-v0.1-70B — плотная текстовая модель на архитектуре Llama 3.3, созданная invisietch как многоэтапное слияние нескольких моделей на базе Llama 3.3. Она предназначена для творческого ролевого отыгрыша и написания художественной прозы; модель лучше реагирует на подробные описания персонажей и тщательно сформулированные системные инструкции. Размер — 69,5 млрд параметров, формат репозитория — Safetensors, заявленная длина контекста — 131 072 токена; автор сообщает, что тестировал генерацию в FP8 и FP16 с согласованными ответами примерно до 64 тысяч токенов. Модель генерирует диалоги и художественный текст, стремясь к связности и меньшему количеству шаблонных фраз. Она может создавать откровенный, тревожный и оскорбительный контент. Для использования требуется соблюдать лицензию Meta Llama 3.3 (llama3.3).

L3-SMB-Grand-STORY-F32-Ultra-Quality-16.5B-GGUF — текстовая модель для генерации художественной прозы и ролевых диалогов, опубликованная DavidAU. Это объединённая модель на архитектуре Llama 3: автор описывает многоэтапное слияние моделей, расширение до 16,5 млрд параметров и сохранение весов в формате GGUF с точностью F32. Базовый контекст составляет 8192 токена; автор указывает, что его можно расширить настройками RoPE до 32 тысяч токенов. Модель предназначена для создания и продолжения сцен, сюжетов и диалогов в разных жанрах, включая ужасы, научную фантастику и романтику. Её отличают яркая детализированная проза, метафоры и симили, а также выраженная склонность к хоррору, мрачному юмору и ненормативной лексике. Поддерживается общение по шаблону Llama 3. В метаданных указан английский язык и лицензия Apache-2.0.

KoboldAI LLaMA2-13B-TiefighterLR — объединённая языковая модель на архитектуре LLaMA 2, созданная слиянием нескольких моделей и LoRA-адаптеров. Она предназначена прежде всего для творческого письма, ролевого общения и интерактивных приключений; в README указаны компоненты Undi95/Xwin-MLewd-13B-V0.2, PocketDoc/Dans-RetroRodeo-13b и Blackroot/Llama-2-13B-Storywriter-LORA. Модель содержит 12,9 млрд параметров, работает с текстом и имеет контекст до 4096 токенов. TiefighterLR лучше следует уже заданным персонажам и инструкциям, чем исходный Tiefighter, и подходит для генерации историй, диалогов и игровых продолжений. Её сильная сторона — художественная генерация с поддержкой разных форматов инструкций и обычного чата. Модель ориентирована на англоязычные сценарии по примерам README; язык не задан в метаданных. При использовании для фактических ответов сведения могут быть выдуманы, а обучающие данные о приключениях иногда проявляются в инструкциях. Лицензия — LLaMA 2.

Apollo Raines выпустил вариант Llama 3.1 8B Instruct, поведение которого изменено инструментом jBlaze методом representation engineering: модель подавляет многословие и уклончивые формулировки. По карточке, дополнительное обучение не проводилось; метаданные классифицируют связь с базовой моделью как finetune. Это плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров по метаданным, форматом safetensors и контекстом до 131 072 токенов. Она предназначена для диалогов и генерации кратких, прямых ответов на английском языке; примеры также демонстрируют арифметику, вопросы общего характера и код. Автор описывает релиз как демонстрационную версию с намеренно сниженной силой некоторых возможностей. Лицензия — Llama 3.1.

google/long-t5-tglobal-large — крупная англоязычная модель Google Research из семейства LongT5. Это предварительно обученный трансформер-кодировщик-декодировщик для генерации текста в формате «текст в текст», обученный восстанавливать исходный текст по искажённому входу. Архитектура использует transient-global attention, чтобы эффективнее обрабатывать длинные последовательности; в метаданных указаны 385,2 млн параметров и контекст 4096 токенов. Модель предназначена прежде всего для дообучения под суммаризацию и ответы на вопросы по длинным документам. В README приведены результаты её дообученных вариантов на наборах данных для научных статей, патентов, биомедицинских текстов и вопросов общего характера. Модель рассчитана на английский язык и принимает текст, выдавая текст. Это базовый чекпойнт, а не готовый специализированный помощник: для конкретной задачи рекомендуется supervised fine-tuning. Выпускается по лицензии Apache-2.0. Заявленная в README способность обрабатывать до 16 384 входных токенов относится к описанным экспериментам и не совпадает с контекстом 4096 токенов в метаданных репозитория.

Модель Narrativa mBART-large-50 дообучена для машинного перевода с португальского на английский. Она основана на архитектуре mBART, модели последовательность-в-последовательность, предварительно обученной многоязычным восстановлением зашумлённого текста. Для дообучения использовались корпуса OPUS-100 и OPUS-Books; в README указан результат 26,12 BLEU на тесте. Модель рассчитана на перевод португалоязычных текстов на английский. Веса представлены в формате PyTorch; размер составляет около 457,4 млн параметров, длина контекста — до 1024 токенов. Карточка описывает направление перевода и приводит метрику, но не сообщает подробностей о лицензии или ограничениях применимости.

MFANN v0.18 — разговорная языковая модель автора netcat420 для генерации ответов в формате диалога. Карточка задаёт ей роль полезного, уважительного и честного помощника, который должен объяснять некорректные вопросы и не выдавать догадки за факты. Модель построена на архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и контекст длиной до 32 768 токенов. Веса опубликованы в формате Safetensors; лицензия указана как llama3.

MiniCPM-V-4.6-GGUF — это GGUF-версия мультимодальной модели MiniCPM-V-4.6, разработанной командой OpenBMB. По указанному pipeline_tag модель предназначена для задач image-text-to-text, то есть для обработки изображений вместе с текстовыми запросами и генерации текстовых ответов. В предоставленных данных не указаны точная архитектура, число параметров, поддерживаемые языки, размер контекста, набор модальностей помимо обработки изображений и текста, а также конкретные сценарии применения и ограничения производительности. Известно, что модель распространяется в формате GGUF, предназначенном для совместимого локального запуска средствами, поддерживающими этот формат. Модель выпущена по лицензии Apache-2.0. Для детального описания возможностей, требований к оборудованию, доступных квантовок и рекомендаций по использованию следует обратиться к исходной модели openbmb/MiniCPM-V-4.6.

Это GGUF-квантизированная версия мультимодальной модели Pixtral 12B, разработанной командой Mistral Community. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix; в репозитории представлены варианты от BF16 до низкобитных форматов Q2–Q8. Модель предназначена для задач image-text-to-text, то есть обработки изображений вместе с текстовыми запросами и генерации текстовых ответов. Модель доступна в различных вариантах квантизации, что позволяет выбирать баланс между качеством, размером файла и требованиями к памяти. Размер файлов варьируется примерно от 5,45 ГБ для Q2_K_L до 24,50 ГБ для BF16. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5_K, Q6_K и соответствующие форматы; более компактные варианты подходят для систем с ограниченным объёмом оперативной памяти, но могут заметно уступать по качеству. Формат GGUF ориентирован на запуск через llama.cpp, LM Studio и другие совместимые проекты. README не содержит сведений о размере контекста, поддерживаемых языках, точной архитектуре мультимодальной части и формате промптов, поэтому эти характеристики нельзя надёжно определить по представленным данным. Указанная лицензия — Apache-2.0.

MN-Nazgul-12B-v1 — языковая модель OccultAI, созданная слиянием нескольких моделей семейства Mistral Nemo методом Della с помощью mergekit. В её основе использована Retreatcost/Mistral-Nemo-Base-2407-ChatML; среди объединённых моделей также указаны варианты для прозы и ролевых диалогов. Модель содержит 12,1 млрд параметров, построена на плотной архитектуре MistralForCausalLM, распространяется в формате safetensors и рассчитана на работу через шаблон чата ChatML. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации художественных текстов, продолжения сцен, сюжетов и ролевых диалогов, в том числе в жанрах фантастики, романтики, ужасов и оккультной прозы. Карточка предупреждает, что ответы могут включать графическое насилие и откровенный эротический контент; автор также отмечает возможные затруднения при работе с длинным контекстом. Лицензия — Apache-2.0.

tsmatz разработал модель для суммаризации японских новостных статей. Это дообученная версия Google mT5-small с архитектурой MT5ForConditionalGeneration и 157,4 млн параметров; модель принимает японский текст и генерирует краткое изложение. Она обучалась на японской части набора XL-Sum с новостными статьями BBC: первое предложение статьи служило заголовочным резюме, остальные — исходным текстом. Автор приводит результаты оценки: ROUGE-1 0,4625, ROUGE-2 0,2866, ROUGE-L 0,3656 и ROUGE-Lsum 0,3868. Модель распространяется под лицензией Apache-2.0. Модель предназначена прежде всего для сжатия новостных сюжетов с описанием события, предпосылок и результата. README предупреждает, что в обучающих данных не было диалогов, деловых документов, научных статей и коротких рассказов, поэтому качество на таких текстах может быть ниже. Контекстное окно в карточке не указано.

NanoT5 Base Malaysian Translation v2.1 — модель Mesolitica на базе T5, дообученная для перевода малайзийских текстов. Она переводит локализованные варианты текста на стандартный малайский и обратно, поддерживает переключение между языками в одном тексте, а также перевод кода. В карточке указано, что при переводе модель должна сохранять символы новой строки, табуляции и возврата каретки. Для обучения использовались контекст длиной 2048 токенов и 9 млрд токенов переводных данных; модель содержит 123,8 млн параметров. Модель предназначена для нормализации разговорного и локализованного малайского, обратного перевода для расширения данных и перевода текстов с переключением языков. Разработчик отмечает улучшения относительно версии 2 при переводе научных и математических текстов, Manglish, кантонского, тамильского и Tanglish. Лицензия в предоставленных данных не указана.

Nemotron-4-340B-Base-hf — преобразованный чекпойнт базовой языковой модели NVIDIA Nemotron-4-340B-Base, подготовленный из контрольной точки v1.2 в формате .nemo. Это плотная авторегрессионная модель семейства Nemotron с архитектурой NemotronForCausalLM и 466,8 млрд параметров; она принимает текст и генерирует текст, а длина контекста составляет 4096 токенов. Модель предназначена для генерации продолжений текста и развёртывания как базовая языковая модель. В README указана поддержка запуска через vLLM версии 0.5.4 или новее; приведённая команда использует параллелизм по 16 GPU. Репозиторий содержит веса safetensors. Данные об оценках в README относятся к FP8-чекпойнту и не позволяют сделать вывод о качестве именно опубликованного набора весов. Указана лицензия other, поэтому условия использования следует сверять с лицензией и условиями NVIDIA для базовой модели. В карточке не заявлены конкретные языки, поэтому языковую специализацию не указываю.

NIHAPPY-L3.1-8B-v0.09 — объединённая диалоговая языковая модель Arkana08 для творческого ролевого общения и повествования. Она построена на архитектуре Llama 3.1, содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель объединяет три чекпойнта методом DARE TIES: v000000/L3.1-Niitorm-8B-DPO-t0.0001, v000000/L3-8B-Poppy-Moonfall-C и Nitral-AI/Hathor_Tahsin-L3-8B-v0.85. Модель предназначена для погружения в ролевые сценарии, поддержания персонажей и создания связного художественного текста; заявленные сильные стороны — сочетание творческой генерации, рассуждений, следования правилам и последовательности повествования. Это текстовая модель генерации, доступная в формате Safetensors. Лицензия в предоставленных данных не указана.

NorMistral-11b-translate — дообученная языковая модель для машинного перевода, созданная на базе NorMistral-11b-long. Она переводит предложения и документы во всех шести направлениях между норвежским букмолом, норвежским нюнорском и английским языком. Модель построена на архитектуре Mistral, содержит 11,7 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Для работы с ней используется библиотека Transformers; веса доступны в форматах PyTorch и Safetensors. Модель подходит для перевода текстов между двумя вариантами норвежского и английским, включая перевод документов и диалоговых текстов. Она распространяется по лицензии Apache-2.0. Оценки качества и сведения о конкретных ограничениях в карточке не приведены.

Amazon Nova Micro 1.0 — текстовая модель семейства Amazon Nova, разработанная Amazon. Она предназначена для генерации текста и диалоговых сценариев, где важны низкая задержка и низкая стоимость. Модель принимает текст и выдаёт текст; README характеризует её как самую быструю по отклику среди моделей семейства Nova. Длина контекста в предоставленном README обрывается и не указана полностью. Другие сведения об архитектуре, размере, поддерживаемых языках и лицензии в доступных материалах отсутствуют.

OPT 2.7B-Nerys-v2 — англоязычная авторегрессионная модель генерации текста, дообученная KoboldAI на основе OPT от Facebook. Она предназначена для продолжения заданного фрагмента и генерации художественной прозы, включая жанровые тексты и сценарии «выбери своё приключение». При обучении использовались около 2500 электронных книг разных жанров, датасет CYS и 50 азиатских ранобэ; к большей части примеров добавлялась жанровая метка. Модель построена на архитектуре OPTForCausalLM, содержит 3,5 млрд параметров и поддерживает контекст до 2048 токенов. Доступен формат PyTorch; лицензия указана как other. Возможны предвзятость по гендеру, профессии, расе и религии, характерная для NLP-моделей.

OPT-350M — авторегрессионная языковая модель семейства OPT, разработанная Meta AI. Это плотный декодерный Transformer с примерно 454,1 млн параметров, обученный предсказывать следующий токен на основе предыдущего текста. Доступны версии весов для PyTorch, TensorFlow и JAX/Flax; максимальная длина контекста составляет 2048 токенов. Модель предназначена для генерации текста и исследований языковых моделей, включая оценку задач через промпты. Её можно дообучить для прикладных задач. Обучающий корпус состоял преимущественно из английских текстов, с небольшим количеством неанглоязычных данных из CommonCrawl, поэтому основное применение — работа с английским языком. Модель может воспроизводить предвзятость обучающих данных, выдавать фактически неверные ответы и иметь ограничения в разнообразии генерации. В метаданных указана лицензия `other`; конкретные условия следует сверить с лицензией и документацией репозитория.

Helsinki-NLP/opus-mt-bg-de — модель машинного перевода болгарского языка на немецкий из коллекции OPUS-MT, опубликованной Helsinki-NLP. Это трансформерная модель MarianMT с 56,5 млн параметров; для обработки текста используются нормализация и SentencePiece с словарями размером 32 тыс. токенов. Модель поддерживает перевод в одном направлении: с болгарского на немецкий. В тесте Tatoeba-test.bul.deu указаны оценки BLEU 49,3 и chr-F 0,676. Модель принимает текст и выдаёт перевод на немецкий. Длина контекста — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ca-de — модель машинного перевода, разработанная командой Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с каталанского языка на немецкий. Модель построена на архитектуре Transformer-align и использует нормализацию текста и SentencePiece с словарями размером 12 тысяч токенов для каждого языка; в метаданных указан размер 36,5 млн параметров и контекст до 512 токенов. Модель подходит для перевода отдельных фраз и текстов, в том числе в сценариях, где нужен автоматический перевод между каталанским и немецким. В README приведён результат BLEU 39,5 на тестовом наборе Tatoeba-test.cat.deu; этот показатель относится к конкретному набору и не гарантирует такое же качество на других текстах. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Карточка модели mijuanlo/opus-mt-ca-en на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-ca-en, поэтому описание составлено по ней. opus-mt-ca-en — модель машинного перевода из семейства MarianMT, разработанная проектом OPUS-MT для перевода текстов с каталанского языка на английский. Модель построена на архитектуре Transformer-align и содержит 53,5 млн параметров. Для обработки текста применяются нормализация и токенизация SentencePiece; нативная длина контекста составляет 512 токенов. Модель предназначена для прямого перевода фраз и текстов с каталанского на английский. В карточке приведены результаты оценки на наборе Tatoeba.ca.en: BLEU 51,4 и chr-F 0,678. Доступны веса в форматах PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ca-es — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с каталанского языка на испанский и подходит для перевода отдельных фраз и документов. Модель основана на архитектуре Marian Transformer с выравниванием, содержит 50,6 млн параметров и использует нормализацию текста и токенизацию SentencePiece. Максимальная длина контекста — 512 токенов. Для обучения использовались данные OPUS. В карточке приведены результаты на тестовом наборе Tatoeba.ca.es: BLEU 74,9 и chr-F 0,863. Модель доступна в форматах PyTorch и TensorFlow по лицензии Apache-2.0. Она предназначена для направления ca→es; качество перевода в других языковых направлениях не подтверждено.

Helsinki-NLP/opus-mt-cs-sv — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с чешского языка на шведский и предназначена для перевода отдельных фраз и документов; в карточке указаны корпус OPUS, архитектура Transformer и предобработка с нормализацией и SentencePiece. Модель построена на MarianMT, содержит 54,6 млн параметров и поддерживает контекст до 512 токенов. Для набора JW300.cs.sv в карточке приведены оценки BLEU 30,6 и chr-F 0,527. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-da-en — модель машинного перевода из семейства Marian, построенная на архитектуре Transformer. Она переводит текст с датского языка на английский и обучена на данных OPUS; предварительная обработка включает нормализацию и SentencePiece. Модель содержит 55,3 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. В тесте Tatoeba.da.en указаны оценки BLEU 63,6 и chr-F 0,769. Лицензия — Apache-2.0.

Helsinki-NLP разработала opus-mt-de-fr — компактную модель машинного перевода с немецкого на французский. Это плотная Transformer-модель семейства MarianMT с 56,5 млн параметров; для обработки текста применяются нормализация и SentencePiece. Модель принимает немецкий текст и генерирует перевод на французском, поддерживается контекст до 512 токенов. Модель предназначена для перевода немецких текстов на французский. В карточке приведены результаты на нескольких тестовых наборах: BLEU от 26,4 до 32,2 и chr-F от 0,548 до 0,590. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-de-pl — модель машинного перевода немецкого текста на польский язык из семейства MarianMT, разработанная Helsinki-NLP на основе архитектуры Transformer. Она обучена на данных OPUS; предварительная обработка включает нормализацию текста и SentencePiece. Модель содержит 56,1 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель предназначена для перевода с немецкого на польский. В карточке приведены результаты на тестовом наборе Tatoeba.de.pl: BLEU 41,2 и chr-F 0,631. Распространяется по лицензии Apache-2.0.