I.5Создание и редактирование текста

perkan/shortM-opus-mt-tc-base-en-sr — модель машинного перевода с английского на сербский, созданная на базе Helsinki-NLP/opus-mt-tc-base-sh. Автор дообучил её на датасете OPUS-100, модифицированном с помощью Paraphrasing Database размера M. Модель использует архитектуру MarianMT и содержит 55,2 млн параметров; она принимает текст и выдаёт перевод на сербский язык. Модель предназначена для перевода английских текстов на сербский. Она опубликована в формате PyTorch под лицензией MIT. Контекст модели — до 512 токенов.

SPUPER-qwen3.5-9b-acaciawl-add-2hop — дообученная с помощью TRL мультимодальная модель семейства Qwen, основанная на Qwen/Qwen3.5-9B. Метаданные классифицируют её как модель image-text-to-text с поддержкой диалога и анализа изображений. Модель предназначена для диалоговых сценариев и формирования текстовых ответов на основе текстового и визуального ввода. В карточке приведён пример запуска через Transformers, но он использует незаполненный идентификатор модели и задачу text-generation, что расходится с указанным в метаданных назначением image-text-to-text. Сведения о размере контекста и поддерживаемых языках не приведены. Лицензия в доступных данных не указана.

Star Command R 32B v1 — разговорная модель BeaverAI, созданная дообучением Command-R-8-2024 для ролевых сценариев. Это плотная авторегрессионная модель семейства Cohere с 32,3 млрд параметров и контекстом до 131 072 токенов. Поддерживает чат и генерацию текста; использовать её можно в формате Cohere Instruct или как Text Completion. Модель предназначена для ролевого общения и продолжения текста. Репозиторий содержит веса в формате safetensors. Указана лицензия other; конкретные условия лицензии в предоставленных данных не раскрыты.

Модель vincentmireau/summary-llama3-8b-f16-full — дообученная версия Meta-Llama-3-8B-Instruct для создания кратких пересказов аннотаций научных статей. Автор сообщает, что модель использовалась для получения таких резюме; обучение проводилось с помощью Unsloth и библиотеки TRL. Это плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров, рассчитанная на диалоговую генерацию текста с контекстом до 8192 токенов. В карточке указан английский язык. Модель подходит для автоматического краткого изложения abstract и других англоязычных текстов в сценариях, где нужен компактный пересказ. Основана на Meta-Llama-3-8B-Instruct и распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробностей обучающего набора, поэтому результаты суммаризации могут требовать проверки.

Faizan Tariq подготовил эту модель в рамках индивидуального университетского проекта по дообучению T5-small для создания коротких сводок английских новостных статей. Это encoder-decoder модель семейства T5 с 60,5 млн параметров; в отчёте проекта указано обучение на CNN/DailyMail v3.0.0 в течение двух эпох. В метаданных репозитория указано 38,5 млн параметров. Модель загружает вход длиной до 512 токенов и выдаёт текстовую сводку. Контрольные проверки подтверждают загрузку конфигурации, токенизатора и весов safetensors, а также запуск вывода на синтетических новостных примерах через CPU и локальный интерфейс Streamlit. Качество модели не установлено: результаты ROUGE не воспроизводились, а проверки не подтверждают точность сводок. Веса опубликованы без указанной лицензии; карточка не предоставляет дополнительных прав на базовую модель T5 или материалы датасета.

lmqg/t5-small-squad-qag — модель на архитектуре T5-small, разработанная lmqg и дообученная для генерации пар «вопрос — ответ» по датасету lmqg/qag_squad. Она предназначена для автоматического составления вопросов и соответствующих ответов по тексту на английском языке, например для подготовки учебных материалов и создания наборов вопросов по документам. Модель содержит 38,5 млн параметров, использует формат PyTorch и имеет контекстное окно 512 токенов. Модель подходит для генерации вопросов и ответов в сценариях контроля понимания прочитанного. В README приведены метрики QAAligned на BERTScore и MoverScore для исходного датасета, но без полного описания протокола оценки эти результаты не гарантируют качество на других данных. Лицензия — CC BY 4.0.

WindyTranslate/translate-en-ar — модель машинного перевода от Windstorm Labs, дообученная на базе Helsinki-NLP/opus-mt-en-ar. Она переводит текст с английского на арабский. Модель построена на архитектуре MarianMT, содержит 57,3 млн параметров, принимает текст с контекстом до 512 токенов и поставляется в формате safetensors для Transformers. Для адаптации применён LoRA-файнтюнинг на параллельном корпусе, после чего адаптер был объединён с базовыми весами. Репозиторий распространяется по лицензии Apache-2.0. Модель поддерживает только направление перевода с английского на арабский; качество перевода пока не оценено, а проверка языка выходного текста не подтверждает его точность.

WindyTranslate/translate-en-eo — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-en-eo: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель MarianMT содержит 55,5 млн параметров, принимает текст и переводит с английского на эсперанто; максимальный контекст — 512 токенов. Модель подходит для перевода отдельных фраз и текстов с английского на эсперанто. В проверке FLORES-200 на 48 предложениях она получила chrF++ 47,35 и BLEU 21,69; автор отмечает, что это предварительная оценка, а не результат публикационного исследования. Доступна в формате safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-es-it — модель машинного перевода, опубликованная Windstorm Labs для перевода с испанского на итальянский. Она основана на Helsinki-NLP/opus-mt-es-it: к базовым весам применён LoRA-файнтюнинг на параллельных данных, после чего адаптер объединён с весами модели. Модель MarianMT содержит 55,4 млн параметров, принимает текст и выдаёт текст; максимальный контекст — 512 токенов. Модель предназначена для перевода предложений и текстов с испанского на итальянский. В карточке приведён скрининговый результат на 48 предложениях FLORES-200 dev: chrF++ 48,84 и BLEU 23,73; он не является результатом публикационного исследования. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

UNAversal-8x7B-v1beta — экспериментальная языковая модель от fblgit, созданная на основе mistralai/Mixtral-8x7B-Instruct-v0.1. Она использует архитектуру Mixtral с разреженной смесью экспертов (MoE) и обучалась с фазой UNA-SFT, где выравнивание применялось к логитам маршрутизатора; автор описывает обучение как экспериментальное дообучение на примерах из наборов LLaMA-Factory, включая Alpaca. Модель предназначена для генерации текста в диалоге и решения задач на рассуждение, математику и ответы на вопросы. В README приведены результаты оценивания, включая GSM8k, ARC, TruthfulQA и HellaSwag; автор предлагает экспериментировать с дальнейшим дообучением и слиянием с другими моделями Mixtral. По метаданным, модель содержит 7,1 млрд параметров, имеет контекст 32 768 токенов и поддерживает английский язык. Доступна в формате Safetensors через Transformers. Это бета-релиз для экспериментов, а не обещание стабильного качества: автор отмечает, что модель экспериментальная и предлагает самостоятельно проверять результаты при дообучении или слиянии. Лицензия CC-BY-NC-SA-4.0 требует указания авторства, распространяет производные работы на тех же условиях и запрещает коммерческое использование.

Veiled Rose 22B — языковая модель семейства Mistral, представленная автором карточки как модель для иммерсивных ролевых диалогов и художественного повествования. Она содержит 22 млрд параметров, использует архитектуру MistralForCausalLM и предназначена для генерации текста; заявленная длина контекста — 32 768 токенов. Модель сформирована слиянием, в котором указана ArliAI/Mistral-Small-22B-ArliAI-RPMax-v1.1. Модель подходит для ролевых сценариев, атмосферных историй, сюжетов-загадок и диалогов с последовательными персонажами. Автор отмечает сильные стороны в поддержании характеров, проработке мотивов и сложных сюжетных линий; карточка также заявляет способности к рассуждению. Основной язык по метаданным — английский. В простых сценариях ответы могут быть излишне сложными или многословными. README описывает поведение без системного промпта как следующее рекомендациям безопасности, а в режиме ролевой игры — как нецензурируемое. Лицензия в предоставленных данных не указана.

Viking 7B — базовая языковая модель с 7 млрд параметров, разработанная совместно группой TurkuNLP Университета Турку, SiloGen и High Performance Language Technologies (HPLT). Это плотный декодерный трансформер семейства LLaMA с rotary positional embeddings и FlashAttention; модель обучалась на 2 трлн токенов, а её контекст составляет 4096 токенов. Она предназначена для генерации текста на финском, английском, шведском, датском, норвежском и исландском языках, базового перевода между ними, а также понимания и генерации кода. Модель подходит для дальнейшей тонкой настройки под диалоговые и прикладные сценарии, генерации продолжений текста и помощи с кодом. Это частично обученный базовый чекпойнт, поэтому для большинства пользовательских задач ему требуется дополнительная настройка; опубликованные результаты полной оценки отсутствуют. Модель может выдавать неточные, предвзятые или спорные ответы и не рассчитана на уверенную работу с другими языками. Распространяется по лицензии Apache 2.0.

Wayfarer-12B-GGUF — набор GGUF-квантизаций 12-миллиардной языковой модели Wayfarer-12B, разработанной LatitudeGames и квантизированной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, прежде всего для текстовых приключений и ролевых сценариев. Указан английский язык; поддерживаемые модальности ограничены текстом. Доступны варианты от полноточного F16 до низкобитных Q2 и IQ2-квантизаций. Версии с более высокой точностью обычно обеспечивают лучшее качество, но требуют больше оперативной памяти; наиболее сбалансированным вариантом README называет Q4_K_M, а Q5 и Q6 — высококачественными. Низкобитные варианты экономичнее по памяти, но могут заметно уступать в качестве. Для запуска рекомендуется использовать совместимое ПО, например LM Studio или llama.cpp, с указанным шаблоном чата. Архитектура, максимальный контекст, точные характеристики обучения и результаты тестирования в README не указаны. Модель распространяется по лицензии Apache-2.0.

X-MythoChronos-13B — текстовая генеративная модель на архитектуре Llama, созданная Undi95 как слияние Xwin-LM/Xwin-LM-13B-V0.2, elinas/chronos-13b-v2 и других моделей и LoRA-адаптеров. Репозиторий содержит веса FP16; размер модели — 12,9 млрд параметров, контекст — до 4096 токенов. Для запросов используется шаблон Alpaca. Модель предназначена прежде всего для ролевого общения и генерации ответов на инструкции. В карточке указана лицензия CC BY-NC 4.0, которая запрещает коммерческое использование. Метаданные помечают модель как NSFW; качество и безопасность ответов могут зависеть от запроса и сценария применения.

Это разговорная модель генерации текста семейства GPT-OSS 20B, подготовленная для FHNW командой, указанной в репозитории fhnw. Модель дообучена методом Direct Preference Optimization (DPO) с использованием Unsloth QLoRA, чтобы выравнивать ответы по предпочтениям. Репозиторий содержит варианты GGUF и Safetensors; в карточке также указаны MXFP4 и 8-битная версия. Модель предназначена для генерации ответов в диалоге и экспериментов с генеративным ИИ в обучении и прикладных проектах FHNW. Метаданные указывают английский язык, интерфейс чата и интерфейс вызова инструментов. Лицензия — Apache-2.0. Модель не предназначена для решений с высокими рисками или критически важных систем.

OccultAI Adversary-8B-v1.1 — языковая модель для генерации текста и ролевых диалогов, разработанная как дообучение модели SicariusSicariiStuff/Llama-3.1-Nemotron-8B-UltraLong-1M-Instruct_Abliterated. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст. В метаданных указан контекст до 1 073 152 токенов; для наилучших результатов автор рекомендует шаблон Llama 3. Модель предназначена для художественного письма, создания сюжетов и сцен, продолжения историй и ролевых диалогов в разных жанрах, включая хоррор и тёмное фэнтези. Дообучение выполнено на наборе DarkArtsForge/Adversary_241, составленном на основе EldritchLabs/Cthulhu_v1.4b и дополнительных источников. Версия 1.1 исключает 100 вопросов и ответов, связанных с проблемами связности, повторов и бесконечной генерации; автор сообщает, что модель стала стабильнее. Модель может генерировать графическое насилие и откровенный эротический контент. Она распространяется в формате safetensors по лицензии Llama 3.1.

AX-3.1-Light-sftv30 — корейскоязычная модель для диалогов и генерации текста, созданная автором репозитория на основе skt/A.X-3.1-Light. Это плотная архитектура LlamaForCausalLM примерно на 6,8 млрд параметров с контекстом до 32 768 токенов. Модель дообучена методом SFT на 36 000 обучающих и 3 000 проверочных примерах из AI Hub: данные охватывают право, бухгалтерский учёт, медицину, чтение новостей и оценку технологий. LoRA-адаптер слит с базовой моделью; веса доступны в BF16 safetensors, модель загружается через Transformers или стандартный vLLM без пользовательского кода. Модель предназначена для корейскоязычных исследований, контролируемой оценки и экспериментов с выполнением инструкций и предметно-ориентированным дообучением. Разработчик не приводит официальных результатов K-AI leaderboard. Ответы могут содержать фактические ошибки, неподтверждённые рассуждения или отклонения от требуемого формата; модель не заменяет профессиональную юридическую, бухгалтерскую или медицинскую консультацию. Лицензия репозитория — Apache-2.0; исходные датасеты AI Hub сохраняют собственные условия доступа и лицензии.

Basalt Alpha 24B-A3.8B-it-qat-w4a16-ct — экспериментальная разреженная языковая модель семейства Gemma 4, представленная как дообученный чекпойнт Google Gemma 4 26B A4B. В ней около 24 млрд параметров, из которых примерно 3,8 млрд активны при обработке каждого токена; модель предназначена для генерации текста и диалогов. Она выпущена с QAT-квантизацией весов до 4 бит в формате compressed-tensors, при этом активации сохраняют более высокую точность. Модель рассчитана на локальный запуск, оценку качества и тестирование инференс-бэкендов в условиях ограниченных ресурсов. Заявленная максимальная длина контекста — 262 144 токена, используется локальное окно скользящего внимания в 1 024 токена; качество на очень длинном контексте остаётся экспериментальным. Чекпойнт имеет альфа-статус и предназначен для раннего тестирования и независимой оценки. Лицензия в предоставленных данных не указана.

Blue-Orchid-2x7b — текстовая MoE-модель для генерации продолжений, ориентированная на ролевые диалоги и написание историй. В README указано, что один эксперт объединяет преимущественно модели для ролевых диалогов, а второй — модели для написания историй; базовая модель — SanjiWatsuki/Kunoichi-DPO-v2-7B. Метаданные указывают архитектуру MixtralForCausalLM, около 7,1 млрд параметров и контекст до 8192 токенов. Модель подходит для ролевого общения с персонажами, продолжения художественных сцен и создания повествовательного текста. README приводит шаблон LimaRP и сообщает, что также должен работать шаблон Alpaca. Модель принимает текст и генерирует текст. Модель опубликована в формате safetensors, хотя README также упоминает GGUF. Лицензия — Apache-2.0. Языки и конкретные ограничения качества в доступных сведениях не описаны.

ChatWaifu v1.4 — объединённая автором spow12 (yw_nam) языковая модель для диалогов в образе персонажей визуальных новелл. Это плотная авторегрессионная модель семейства Mistral/CausalLM объёмом 12,1 млрд параметров, собранная методом mergekit из нескольких моделей, включая Mistral-Nemo-Instruct-2407, Lumimaid-v0.2-12B, Violet Twilight-v0.1, MN-12B-Lyra-v4 и Magnum-v2-12b. Репозиторий содержит веса safetensors; модель предназначена для генерации текста и ролевого общения, в том числе с персонами, заданными описанием. Карточка сообщает о японских обучающих данных, персонажах визуальных новелл и поддержке японского языка; метаданные также перечисляют английский, французский, немецкий, испанский, итальянский, португальский, русский и китайский. Автор заявляет контекст до 128k токенов, устойчивость к повторам в длинных диалогах и сохранение информации в длинном контексте; метаданные каталога указывают нативный контекст 1 024 000 токенов, поэтому фактическую длину контекста следует проверять в выбранной конфигурации. Лицензия в метаданных — CC-BY-NC-4.0, а карточка ограничивает использование некоммерческими и исследовательскими целями. Модель может генерировать материалы для взрослых; визуальный ввод пока не заявлен.

Configurable-Hermes-2-Pro-Llama-3-8B — плотная авторегрессионная языковая модель семейства Llama, созданная Vicgalle дообучением NousResearch/Hermes-2-Pro-Llama-3-8B на наборе vicgalle/configurable-system-prompt-multitask. Модель содержит 7,5 млрд параметров, работает с текстом и поддерживает контекст до 8192 токенов; в метаданных указан формат Safetensors. Модель предназначена для диалоговой генерации текста с поведением, настраиваемым системным промптом. Она может выступать как безопасный помощник, помощник без ограничений, честный и беспристрастный собеседник или ролевая персона. Такая настройка делает её полезной для исследований управляемости поведения и безопасности языковых моделей. Модель может генерировать вредный или незаконный контент в зависимости от заданного промпта, поэтому её поведение требует контроля. Опубликована как исследовательский артефакт в области безопасности и выравнивания. Лицензия — Apache-2.0.

Covenant-72B — базовая языковая модель на 70,6 млрд параметров, обученная с нуля командой 1Covenant. Модель создана более чем 20 участниками на децентрализованной инфраструктуре Bittensor; для распределённого обучения применялся оптимизатор SparseLoCo. Архитектура — плотная LLaMA-совместимая автрорегрессионная модель LlamaForCausalLM с 80 слоями. Модель обучена на 1,1 трлн токенов английского текста из набора DCLM-baseline и предназначена для генерации текста и использования как базовая модель для дальнейшей адаптации. В README приведены результаты тестирования на наборах ARC, PIQA, OpenBookQA, HellaSwag, WinoGrande и MMLU. Нативная длина контекста — 2048 токенов. Модель принимает текст и генерирует текст. Это базовая, а не инструкционная версия; для диалогов и выполнения инструкций предназначен вариант Covenant-72B-Chat. Распространяется под лицензией Apache 2.0.

Creative Writing Heretic 3.2 1B — компактная модель семейства Llama 3.2, созданная объединением нескольких моделей на базе Green-Eye/Llama-3.2-1B-Instruct-heretic. В объединение вошли модели с настройкой для творческого письма и ослабленными отказами; README указывает, что после дообучения творческому письму модель изучалась с помощью редактирования поведения на уровне представлений. Модель предназначена для генерации текста, прежде всего художественных и творческих текстов. Архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 1,2 млрд параметров, библиотека — Transformers, формат весов — safetensors. Заявленное контекстное окно составляет 131 072 токена; среди языков карточки указаны английский и испанский. Модель помечена как uncensored и NSFW, поэтому может выдавать контент для взрослой аудитории и не предназначена для всех аудиторий. Качество и устойчивость ответов компактной модели могут быть ограничены. Использование регулируется лицензией Llama 3.2.

TheCluster/Darwin-35B-A3B-Opus-MLX-bf16 — конвертированная в формат MLX версия модели FINAL-Bench/Darwin-35B-A3B-Opus. Она создана на архитектуре Qwen3.5 MoE с гибридом Gated DeltaNet и Mixture of Experts: всего 35 млрд параметров, из которых при одном проходе активны около 3 млрд. Модель принимает текст и изображения и предназначена для диалоговой работы с визуальным и текстовым содержимым. Модель поддерживает многоязычные сценарии, в том числе английский, китайский и русский. Репозиторий использует веса safetensors в формате bf16 и библиотеку MLX; исходная модель преобразована с помощью mlx-vlm 0.4.4. Лицензия — Apache-2.0.

DatedGPT-2015-Instruct — англоязычная чат-модель с настройкой на выполнение инструкций, разработанная как часть семейства DatedGPT. Модель обучена на данных, доступных до 2015 года, поэтому предназначена для прогнозирования без смещения заглядывания в будущее и анализа информации с фиксированной датой отсечения. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 1,3 млрд параметров и поддерживает контекст длиной 2048 токенов. Она принимает текст и генерирует текстовые ответы в диалоговом формате; для общения используется шаблон чата в стиле Llama 2. Знания модели ограничены данными до 2015 года. В модели нет RLHF и настройки безопасности, поэтому ответы могут быть уверенными, но ошибочными. Лицензия в предоставленных сведениях не указана.

microsoft/deberta-v3-small — англоязычная модель Microsoft для понимания текста и предсказания замаскированных токенов. Она использует архитектуру DeBERTa V3: раздельное представление содержимого и позиции в механизме внимания, улучшенный декодер маски и предобучение в стиле ELECTRA с разделением градиентов в эмбеддингах. В модели 6 слоёв, скрытый размер 768 и словарь из 128 тысяч токенов; метаданные указывают 155 млн параметров и контекст до 512 токенов. Модель предназначена для заполнения пропусков в тексте и может служить основой для дообучения на задачах понимания естественного языка, включая ответы на вопросы и классификацию. В README сообщается о предобучении на 160 ГБ данных и приводятся результаты дообучения для SQuAD 2.0 и MNLI. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — MIT.

BruhzWater разработал Eden's-Fall-L3.3-70b-0.3b — разговорную модель для творческого письма и ролевых игр. Это плотная причинно-следственная Llama-модель примерно на 69,5 млрд параметров с контекстом до 131 072 токенов; она принимает текст и генерирует текст. Модель создана слиянием трёх этапов с методом Multi-SLERP и объединяет несколько моделей Llama для повествования, ролевых диалогов и художественного письма. Модель нацелена на длинные ответы с меньшим повторением сюжетных событий. Автор считает её экспериментальной и продолжающей доработку; в README приведены начальные настройки сэмплирования, но нет количественных оценок качества. Лицензия в предоставленных данных не указана.

huynoob1312/en-vi_mbart50 — дообученная модель машинного перевода на архитектуре mBART, основанная на facebook/mbart-large-50-many-to-many-mmt. Модель содержит около 457,4 млн параметров, работает с текстом и имеет контекст до 1024 токенов. Модель предназначена для перевода между английским и вьетнамским языками. Карточка не уточняет разработчика, обучающие данные и конкретные направления перевода; метаданные указывают английский и вьетнамский как языки модели. Весовые файлы доступны в формате safetensors для библиотеки Transformers. Лицензия в карточке не указана. Качество перевода, ограничения и результаты оценки не описаны, поэтому пригодность для конкретной тематики или публикации следует проверять на собственных примерах.

jensjepsen/eo-mt-v13-large-bidir — двунаправленная модель машинного перевода на архитектуре MarianMT, разработанная Jens Jepsen и обученная на корпусе v13. Она переводит между английским и эсперанто в обоих направлениях; направление задаётся специальным токеном перед входным текстом. Модель содержит около 285,3 млн параметров по README; в метаданных указано 183,4 млн. Контекст — 512 токенов, библиотека загрузки — Transformers, веса доступны в формате safetensors. Модель обучена на параллельных корпусах английского и эсперанто, включая данные для математики и разметки. В README приведены результаты BLEU 28,37 на FLORES devtest для перевода с английского на эсперанто и 34,02 на валидации OPUS-100, а также примеры сохранения форматирования LaTeX и передачи названий произведений. Версия v13 исключает загрязнённые UI-данные OPUS-100 KDE/GNOME/Ubuntu, которые приводили к сбоям перевода меток интерфейса в v12. Модель предназначена для перевода текстов между английским и эсперанто, включая предложения с математической разметкой и названиями. Лицензия — MIT. Число параметров в README расходится с метаданными; приведены оба значения.

EVA-LLaMA-3.33-70B-v0.0 — полноразмерный дообученный чекпойнт Llama 3.3 70B Instruct, созданный Kearm, Auri и Cahvay. Модель предназначена для ролевых диалогов и написания историй; в обучающую смесь вошли синтетические и естественные данные, включая наборы для инструктивных ответов, структурированного письма, ролевых карточек и творческих промптов. Использует архитектуру Llama и формат промптов Llama 3. Размер — 69,5 млрд параметров, контекст — до 131 072 токенов. Модель рассчитана на творческую генерацию текста и диалоговое взаимодействие, с акцентом на выразительность и вариативность. README рекомендует температуру 1, Min-P 0,05 и штраф за повторы 1,03. В метаданных нет подтверждённого списка языков, поэтому языковую поддержку отдельно не уточняю. Модель распространяется по лицензии Llama 3.3 Community License с дополнительным условием: Infermatic Inc., её сотрудники и оплачиваемые партнёры не могут использовать, распространять или скачивать модели EVA ни для каких целей.