I.5Создание и редактирование текста

WindyTranslate/translate-efi-fr — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-efi-fr на параллельных текстах для перевода с эфикского языка на французский. LoRA-адаптацию объединили с базовыми весами; модель использует архитектуру MarianMT, содержит 55,6 млн параметров и работает с контекстом до 512 токенов. Она принимает текст и выдаёт перевод. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с английского на чешский язык. Это дообученная версия Helsinki-NLP/opus-mt-en-cs: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель MarianMT содержит 57,2 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель подходит для перевода английских фраз и документов на чешский язык. В проверке на 48 примерах FLORES-200 dev она получила chrF++ 52,42 и BLEU 27,68; авторы характеризуют результат как предварительную оценку, а не публикационный бенчмарк. Поддерживается только направление en→cs, поэтому качество на других языковых парах не заявлено. Лицензия — Apache-2.0.

Twilight-Embrace-31B — мультимодальная модель на основе Gemma 4 31B IT, созданная Cyclone-Labs методом слияния четырёх моделей: google/gemma-4-31B-it, Cyclone-Labs/Eon-Blossom-V2-31B, UnstableLlama/Love-Aligned-31B и ReadyArt/Dark-Scarlett-v2.0-31B. Модель использует плотную архитектуру Gemma4ForConditionalGeneration, распространяется в формате Safetensors и предназначена прежде всего для ролевого взаимодействия и художественного письма. Модель подходит для диалогов с персонажами, эмоциональных сцен, интерактивной прозы и создания длинных историй с развивающимися героями и несколькими сюжетными линиями. Она может вести мрачные и реалистичные сюжеты; автор отмечает, что в ролевых сценах модель может занимать спорящую позицию, а при написании длинных историй часто стремится к восстановительной развязке. Метаданные указывают на поддержку изображений, но README описывает главным образом текстовые творческие сценарии. Размер модели — 31 млрд параметров, формат весов — bfloat16. Лицензия Apache-2.0. В README не приведены сведения о поддерживаемых языках и длине контекста.

wmt19-finetuned-it-de-to-en — дообученная модель FSMT для перевода с немецкого на английский, основанная на facebook/wmt19-de-en. В карточке указаны 100,7 млн параметров, контекст до 1024 токенов и формат весов safetensors. Модель опубликована под лицензией Apache-2.0. Модель предназначена для машинного перевода немецких текстов на английский. В README приведены результаты оценки на наборе для оценки: BLEU 44,9149 и loss 0,1326; обучающий набор данных не раскрыт. Основа модели — портированная FSMT-модель Facebook FAIR для перевода с немецкого на английский.

Wuro-Mali-Tanle — модель синтеза речи, разработанная для генерации аудио на десяти языках Мали и английском. Она использует авторегрессионный подход, объединяя токенизированный текст с аудиокодеками SNAC, и построена на основе RobotsMali/Wuro; в карточке также указано, что модель дообучалась на наборе данных, созданном на основе Библии. Модель предназначена для озвучивания текста на бамбара, бому, догон, минианка (мамара), фула, конабере, сонгай-тимбукту, море, хассонике и английском. Модель подходит для синтеза речи на поддерживаемых языках, в том числе для озвучивания текста голосом одного языка, когда текст написан на другом. Для бамбара предусмотрен отдельный модуль нормализации текста. Репозиторий использует Transformers и содержит веса в формате Safetensors. Лицензия — Apache 2.0.

XLMRoBERTa-Clickbait-Detection-new — модель классификации текста, разработанная путём дообучения FacebookAI/xlm-roberta-large на наборе christinacdl/clickbait_detection_dataset. Она предназначена для определения кликбейтных заголовков и может применяться при проверке заголовков в публикациях и при автоматической модерации контента. Модель основана на XLM-RoBERTa, содержит 658,7 млн параметров и принимает текст с контекстом до 514 токенов. В метаданных заявлена поддержка английского, греческого, русского, румынского, немецкого, итальянского и испанского языков. На тестовой выборке автор сообщает точность 0,9839 и macro-F1 0,9838. Эти оценки относятся к указанному набору данных и сами по себе не гарантируют аналогичного качества на других источниках, жанрах заголовков или языках. Модель распространяется по лицензии MIT.

XVERSE-Ent-A5.7B — англоязычная языковая модель компании XVERSE (Shenzhen Yuanxiang), настроенная на задачи индустрии развлечений. Она предназначена для генерации художественных текстов и диалогов, сохраняя при этом общие языковые возможности. Модель использует архитектуру Mixture-of-Experts (MoE) и контекстное окно 8 192 токена; в README для этой версии указано 36 млрд параметров, тогда как метаданные Hugging Face содержат значение 1,6 млрд. Модель создана преобразованием плотной базовой модели в MoE методом Sparse Upcycling с последующим многоэтапным обучением, включая этап усиления возможностей в сфере развлечений. По заявлению разработчика, она обучена примерно на 1 трлн токенов и показывает хорошие результаты в генерации художественной прозы и разговорных текстов. Доступна под лицензией Apache-2.0. Как и другие большие языковые модели, XVERSE-Ent-A5.7B может выдавать неточные, предвзятые или оскорбительные ответы. Разработчик рекомендует проверять безопасность и качество модели перед внедрением в конкретное приложение.

Zepar-24B-v1 — экспериментальная языковая модель DarkArtsForge для генерации текста, чата, ролевых диалогов и художественных историй. Это плотная модель MistralForCausalLM на 23,4 млрд параметров, созданная слиянием Morax-24B-v2 и Paimon-24B-v2 методом adaptiveswap; в README также указан Magistral-Small-2509 как base_model для настройки слияния. Модель работает через Transformers, распространяется в формате safetensors и поддерживает контекст до 131 072 токенов. Карточка ориентирует модель на ролевые сценарии и творческое письмо; автор предупреждает, что ответы могут содержать насилие и откровенные эротические сцены. Для лучших результатов рекомендуется шаблон Mistral Tekken. Условия лицензии в предоставленных данных не приведены.

Archaeo-12B — разговорная модель, созданная Delta-Vector слиянием моделей Rei-12B и Francois-Huali-12B методом SLERP. Она предназначена для ролевых диалогов и творческого письма; карточка показывает формат диалога ChatML и возможность использовать модель для генерации текста. Модель построена на плотной архитектуре Mistral с 12,1 млрд параметров и нативным контекстом до 131 072 токенов. Репозиторий содержит веса Safetensors; в карточке также упомянуты варианты квантования GGUF и EXL2. Для работы доступны диалоги на английском языке; базовая модель Rei-12B описана как англоязычная. Лицензия в предоставленных данных не указана.

Guilherme34/ArliAI-RPMax-Formax-v1 — языковая модель, созданная слиянием SLERP двух моделей ArliAI: Llama-3.1-8B-ArliAI-Formax-v1.0 и Llama-3.1-8B-ArliAI-RPMax-v1.1. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста в диалогах и творческих ролевых сценариях. Её можно использовать для продолжения историй, отыгрыша персонажей и создания ответов в чате. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Сведения о лицензии отсутствуют в предоставленных данных.

Aura Prototype 26B A4B — экспериментальное объединение предварительно обученных моделей, созданное EldritchLabs с помощью mergekit и метода слияния aura. В него вошли Gandalf69/Adversary-26B-A4B-v0, TheDrummer/Orion-26B-A4B-v1.1, Gryphe/Pantheon-Reasoning-26B-A4B-1.1-V2 и electroglyph/gemma4-26b-fiction-bf16. Модель основана на архитектуре Gemma 4, имеет 26B параметров и распространяется в формате safetensors; лицензия — Apache-2.0. Модель предназначена для диалогов и творческой работы с текстом: ролевых сцен, продолжения историй, создания сюжетов и художественной прозы. Метаданные также указывают поддержку изображений наряду с текстовым взаимодействием. Карточка описывает способ и экспериментальный процесс слияния, но не приводит оценки качества или подробных результатов тестирования.

Baichuan2-13B-Base — базовая плотная языковая модель на 13,3 млрд параметров, разработанная Baichuan Intelligence. Модель обучена на корпусе объёмом 2,6 трлн токенов и предназначена для генерации текста и использования как основа для дальнейшей адаптации; это Base-версия, а не диалоговая Chat-версия. Модель работает с текстом и ориентирована прежде всего на китайский и английский языки. Разработчик сообщает о тестировании серии Baichuan 2 на китайских и англоязычных наборах по общим знаниям, праву, медицине, математике, программированию и многоязычному переводу. Для запуска требуется PyTorch 2.0 или новее. Для исследовательского использования модель доступна на условиях Apache 2.0 и лицензии сообщества Baichuan 2. Коммерческое использование требует предварительного одобрения и коммерческой лицензии Baichuan; применяются ограничения для организаций и сервисов. Base-модель не заявлена как настроенная для безопасного диалога или следования инструкциям.

Aleton/be-en-translator — модель машинного перевода, разработанная на основе Helsinki-NLP/opus-mt-mul-en и дообученная для перевода с белорусского на английский. Она использует архитектуру MarianMT и обучена на белорусско-английской части набора OPUS-100 с библиотекой Transformers. Модель предназначена для быстрого перевода коротких и средних по длине предложений с белорусского языка на английский. Контекст составляет 512 токенов. Веса опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

bert2bert_L-24_wmt_de_en — модель перевода на архитектуре encoder-decoder, представленная Сашей Роте, Шаши Нараяном и Алексей Северыном и впервые опубликованная в этом репозитории. Она использует контрольные точки bert-large для энкодера и декодера и дообучена на переводе с немецкого на английский на датасете WMT. Модель предназначена для машинного перевода немецких текстов на английский. Репозиторий содержит веса PyTorch; модель доступна по лицензии Apache-2.0.

Alvenir/bert-punct-restoration-da — модель на архитектуре BERT для восстановления пунктуации в датских текстах. Она классифицирует токены в последовательности, используя подход, похожий на обучение моделей распознавания именованных сущностей. Для запуска авторы предлагают пакет punctfix, построенный на TokenClassificationPipeline из Hugging Face Transformers. Модель содержит 137,8 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метки для токенов, используемые для восстановления пунктуации. Она предназначена для обработки датского языка. Доступна на условиях лицензии Apache-2.0. Сведения о составе обучающих данных и результатах оценки в карточке не приведены.

BigBirdPegasus-large-pubmed — модель Google для суммаризации научных публикаций из области биомедицины. Она использует архитектуру BigBird-Pegasus с блочным разреженным вниманием, которое снижает вычислительные затраты при работе с длинными текстами. Модель содержит 366,8 млн параметров и рассчитана на входные последовательности длиной до 4096 токенов. Модель предназначена для создания краткого пересказа научного текста, в частности длинных статей и публикаций PubMed. Карточка также отмечает пригодность архитектуры BigBird для суммаризации длинных документов и ответов на вопросы по длинному контексту, однако основной заявленной задачей этой модели является суммаризация. Поддерживаемый язык — английский. Модель распространяется по лицензии Apache-2.0.

Breeze-7B-Base-v1_0 — базовая языковая модель MediaTek Research, дообученная на основе mistralai/Mistral-7B-v0.1. Это плотный авторегрессионный трансформер с 7,2 млрд параметров, рассчитанный на дальнейшее дообучение под конкретные задачи, если у пользователя есть обучающие данные. Модель поддерживает английский и традиционный китайский языки. Словарь расширен с 32 тыс. до 62 тыс. токенов для лучшей поддержки традиционного китайского; авторы сообщают об ускорении инференса на этом языке относительно Mistral-7B и Llama 7B при прочих равных условиях. README указывает контекст 8 тыс. токенов, тогда как метаданные Hugging Face заявляют нативный контекст 32 768 токенов. Основная задача по метаданным — генерация текста. Модель подходит как основа для создания специализированных языковых моделей. Для готовых диалоговых сценариев, включая ответы на вопросы, RAG и суммаризацию, README рекомендует Breeze-7B-Instruct. Модель распространяется по лицензии Apache 2.0.

Cendol mT5-base Instruct — дообученная IndoNLP инструкция-модель на архитектуре mT5 с генерацией текста в формате encoder-decoder. В репозитории указано 580 млн параметров, а метаданные модели сообщают 291,2 млн; для размера ориентируйтесь на фактический чекпойнт. Модель входит в семейство Cendol, разработанное для индонезийских языков, и распространяется в формате PyTorch по лицензии Apache 2.0. Модель предназначена для одношагового выполнения инструкций и профильных задач NLP: анализа тональности и тем, машинного перевода, суммаризации, ответов на вопросы и перефразирования. Карточка заявляет поддержку индонезийского и региональных языков Индонезии, включая сунданский и яванский, но испытания проводились на индонезийском языке; применение на других языках не входит в заявленную область. Ограничения включают возможные неточности, предвзятые или нежелательные ответы, а также отсутствие подтверждённых испытаний для всех сценариев. Перед внедрением рекомендуется проверка качества и настройка безопасности под конкретное применение.

ChindaMT-4B — открытая модель машинного перевода, разработанная iApp и дообученная на базе Qwen/Qwen3.5-4B. Она переводит с тайского на английский и с английского на тайский, а также следует дополнительным инструкциям о терминологии, регистре, длине и формате ответа. Модель Dense-архитектуры содержит 4 млрд параметров; обучение проводилось полным supervised fine-tuning на наборе Grounded из 1,97 млн записей. Модель предназначена для двунаправленного перевода и перевода с заданными правилами, включая рабочие тексты и документы в разных предметных областях. В карточке приведены сравнительные оценки на автоматических и человеческих проверках. Обучение использовало ограничение длины входа в 1024 токена; для длинных документов рекомендуется переводить текст по абзацам. Обязательные глоссарии и плейсхолдеры не входят в обучающий сигнал. Лицензия — Apache-2.0.

Code-Llama-Bagel-8B — языковая модель для генерации текста и кода, разработанная пользователем theprint. Это объединённая модель, созданная методом slerp с использованием LazyMergekit на основе ajibawa-2023/Code-Llama-3-8B и jondurbin/bagel-8b-v1.0. В конфигурации объединения указаны 32 слоя, тип данных bfloat16 и базовая модель ajibawa-2023/Code-Llama-3-8B. Модель предназначена для текстовой генерации, диалоговых сценариев и задач, связанных с программированием; в README приведён пример использования через Transformers с chat template. Точные поддерживаемые языки, размер контекста, число параметров и перечень модальностей не указаны. По результатам Open LLM Leaderboard среднее значение составляет 14,48; показатели включают 25,30 на IFEval, 25,34 на BBH, 4,98 на MATH, 3,47 на GPQA, 7,53 на MuSR и 20,24 на MMLU-PRO, что указывает на ограниченные результаты в представленных тестах. Модель распространяется по лицензии llama3. Для запуска рекомендуется Transformers и accelerate; в примере используется GPU-автоматическое распределение и генерация с sampling. README не содержит подробностей о дополнительных ограничениях, безопасности, качестве на конкретных языках или сравнении с исходными моделями.

Crimson-Constellation-12B — языковая модель Vortex5, созданная слиянием четырёх моделей семейства Mistral: Maroon-Sunset-12B, Scarlet-Seraph-12B, Amber-Starlight-12B и Shining-Seraph-12B. Это плотная авторегрессионная модель на 12,1 млрд параметров; для токенизатора используется Shining-Seraph-12B. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и предназначена для диалогов, ролевого взаимодействия и творческого письма. Основные сценарии — создание структурированных длинных историй, атмосферной прозы и эмоционально выразительных ролевых диалогов. В метаданных указаны библиотека Transformers, формат Safetensors и лицензия Apache-2.0. README не описывает языковое покрытие и не приводит оценки качества; специализация карточки — повествовательная генерация, поэтому пригодность для других задач не подтверждена.

DeepSeek LLM 7B Base — базовая языковая модель, разработанная DeepSeek и обученная с нуля на 2 триллионах токенов английского и китайского текста. Она предназначена для генерации и продолжения текста, а также для дальнейшего дообучения под конкретные задачи. Модель использует плотную архитектуру семейства Llama с классом LlamaForCausalLM и механизмом Multi-Head Attention. В метаданных указан размер 6,5 млрд параметров и контекст до 4096 токенов; README округляет размер до 7 млрд. Репозиторий содержит веса PyTorch. Модель рассчитана прежде всего на английский и китайский языки. В карточке указана лицензия other, поэтому условия использования следует сверить с её текстом в репозитории. Модель является базовой, а не чат-настройкой: для диалоговых сценариев может потребоваться дополнительное дообучение.

Defne_llama3_2x8B — диалоговая модель Eurdem, созданная как объединение двух моделей Llama 3 8B в архитектуре Mixture of Experts (MoE). Она предназначена для генерации ответов в формате дружелюбного чат-бота; в README приведён пример решения математической задачи, а также показано переключение системного промпта для турецкого языка. Модель использует архитектуру MixtralForCausalLM, содержит 7,5 млрд параметров и принимает текст, выдавая текст. Поддерживаемая длина контекста — 8192 токена; для работы указана библиотека Transformers и формат весов safetensors. Лицензия — llama3.

DictaLM-3.0-Nemotron-12B-Base — базовая языковая модель с открытыми весами от Dicta, обученная на больших корпусах текстов на иврите и английском. Это гибридная архитектура Hybrid-SSM с 12 млрд параметров, сохранённая в BF16; исходно модель инициализирована из NVIDIA-Nemotron-Nano-12B-v2-Base. Модель предназначена для генерации текста и дальнейшего дообучения под конкретные задачи. Она не является чат-моделью, поэтому для диалогового использования потребуется подходящая настройка; у Dicta есть отдельные варианты DictaLM 3.0 для чата. Модель рассчитана прежде всего на иврит и английский. Веса доступны для скачивания и использования без ограничений, однако метаданные указывают лицензию «other» и не содержат точных условий лицензирования. Как предварительно обученная базовая модель, она не имеет механизмов модерации.

Draconia-Overdrive-32B — диалоговая языковая модель, созданная автором Mawdistical (@Mawnipulator) при дополнительном участии @xtristan, @ArtusDev, @SaisExperiments и ALLURA-ORG. Это дообученная версия THUDM/GLM-4-32B-0414 с плотной архитектурой GLM-4 и примерно 31,6 млрд параметров; модель доступна в формате safetensors и имеет контекстное окно 32 768 токенов. Модель предназначена для творческой генерации текста, ролевых диалогов и разговорных сценариев на английском языке. В карточке отдельно указано предупреждение о явном контенте; это следует учитывать при выборе модели и настройке пользовательских сценариев. Автор рекомендует температуру 1,0–1,1 и Min P 0,02–0,05, приводя также пример пресета для генерации. Модель распространяется по лицензии MIT. README ссылается на отдельную коллекцию GGUF-квантованных версий, однако описанная здесь версия указана в формате safetensors.

ERNIE-4.5-21B-A3B-Base-PT — базовая текстовая MoE-модель от Baidu, опубликованная в формате весов PyTorch для Transformers. Она предназначена для продолжения текста и служит предварительно обученной основой для задач понимания и генерации языка. В модели 21 млрд параметров всего, из которых для каждого токена активируется около 3 млрд; архитектура указана как ERNIE 4.5 MoE. Контекст составляет до 131 072 токенов. Модель обучалась на текстовых и визуальных данных в рамках мультимодального предобучения ERNIE 4.5, но в этой базовой версии сохранены текстовые параметры: README указывает, что она принимает только текстовое завершение и не предназначена для режима chat completion. Для запуска заявлена библиотека Transformers версии 4.54.0 или новее; также приведён способ инференса через vLLM. Лицензия — Apache-2.0. Поскольку это базовая, а не диалоговая версия, ответы могут не следовать инструкциям как у чат-моделей.

EVA-Qwen2.5-14B-v0.2 — диалоговая языковая модель для ролевых сценариев и написания историй, созданная Kearm, Auri и Cahvay. Это полное дообучение Qwen/Qwen2.5-14B на смеси синтетических и естественных данных, включая наборы для инструкций, письма и ролевых персонажей. Модель использует архитектуру Qwen2ForCausalLM и формат ChatML; размер — 14 млрд параметров, максимальная длина контекста — 131 072 токена. Модель предназначена для творческого письма, ролевого общения и выполнения инструкций в длинных диалогах. В версии 0.2 авторы отмечают улучшения связности, следования инструкциям и понимания длинного контекста по сравнению с версией 14B v0.1. Для загрузки и генерации используется библиотека Transformers, веса представлены в формате safetensors. Лицензия — Apache-2.0. Оценка качества и пригодности для конкретных задач в README не приводится; генерация может быть непоследовательной или содержать нежелательные продолжения, особенно в открытых ролевых сценариях.

Fairseq-dense 2.7B-Nerys — англоязычная авторская донастройка плотной модели Fairseq, опубликованная KoboldAI. Это причинная языковая модель архитектуры XGLM с 3,1 млрд параметров, предназначенная для генерации продолжений текста и художественной прозы. При обучении использовались около 2500 электронных книг разных жанров, датасет интерактивных историй CYS и 50 азиатских лайт-новелл; в значительной части обучающих текстов перед жанром добавлялась метка вида [Genre: …]. Модель можно применять для продолжения повествования, написания художественных сцен и интерактивных историй. Она принимает и генерирует текст, поддерживает контекст до 2048 токенов и опубликована в формате PyTorch. Лицензия — MIT. Как и другие языковые модели, может воспроизводить смещения, в том числе связанные с полом, профессией, расой и религией; качество генерации не гарантируется.

GPT-Neo-Fiction — дообученная Tin Kanjovsky (Tincando) версия GPT-Neo-125M от EleutherAI для генерации художественных историй. Это плотная авторегрессионная языковая модель архитектуры GPT-Neo с 137,7 млн параметров и контекстом до 2048 токенов. Она принимает текстовые подсказки и продолжает их связным повествованием; описанные сценарии включают творческое письмо и создание сюжетного контента для блогов и сайтов. Качество и связность историй могут меняться: модель иногда генерирует бессмысленный или неподходящий текст, а длина ответа не всегда соответствует ожиданиям. Возможны предвзятости из обучающих данных; для чувствительных тем рекомендуется проверка результата. README не сообщает лицензию модели.

Fireball-12B-v1.13a Philosophers — языковая модель EpistemeAI2 на архитектуре Mistral Nemo с 12,1 млрд параметров. Это дообученная версия EpistemeAI/Fireball-Mistral-Nemo-12B-cot-orcas; автор описывает дополнительное обучение на материалах по философии науки, математике и эпистемологии, а также на других наборах данных. Модель предназначена для генерации текста и ответов на инструкции, особенно в тематике философии, науки и математики. Карточка заявляет многоязычные возможности и контекстное окно 128 тыс. токенов; метаданные каталога указывают native context в 1 024 000 токенов, поэтому фактическую поддерживаемую длину контекста следует уточнять для используемой конфигурации. Архитектура — плотный трансформер MistralForCausalLM с 40 слоями и группированным вниманием запросов (GQA). Модель распространяется по лицензии Apache-2.0. README предупреждает, что у базовой модели нет встроенных механизмов модерации; для её применения следует отдельно предусмотреть фильтрацию входов и выходов. Заявления о превосходстве над другими моделями приведены автором, но в карточке нет опубликованных результатов бенчмарка для этой версии.