I.5Создание и редактирование текста

MN-Chunky-Lotus-12B — слитая автором FallenMerick модель на базе Mistral с 12,1 млрд параметров, созданная методом TIES с помощью mergekit из нескольких языковых моделей. Она предназначена для творческого письма и ролевых сценариев: сочетает основу для ролевой игры, навыки написания длинной прозы и склонность к более короткому формату ответов. В карточке указано нативное контекстное окно 131 072 токена; модель работает с текстом и рассчитана на английский язык. Автор отмечает хорошую эмоциональную выразительность и приемлемое следование характерам персонажей, но иногда стиль может быть пресным. Также встречаются ошибки форматирования и непрошеные длинные описания чувств и намерений персонажей. Модель распространяется под лицензией CC BY 4.0.

MN-GRAND-23.5B-Gutenberg-UNCENSORED-V2-GLM4.7-Thinking-NEO-Imatrix-GGUF — текстовая генеративная модель, разработанная DavidAU. Она создана прежде всего для художественного письма, генерации рассказов, сюжетов и сцен, продолжения текста, ролевого взаимодействия и работы с жанрами science fiction, romance и horror. Модель ориентирована на англоязычные запросы и выдачу, поскольку в карточке указан язык en. Модель основана на Mistral Nemo и описана как объединение трёх моделей Mistral Nemo 12B с архитектурой из 81 слоя и примерно 23,45 млрд параметров. Она объединяет режимы instruct и thinking/reasoning: простые задачи обрабатываются в инструкционном режиме, а более сложные могут автоматически активировать рассуждение. Заявлен максимальный контекст свыше 128K токенов, однако для практической работы рекомендуется не менее 8K, а лучше 16K контекста. Формат распространения — GGUF с квантованием NEO Imatrix; для некоторых вариантов выходной тензор сохраняется в повышенной точности. Сильными сторонами считаются подробная и выразительная проза, генерация длинных текстов, связность повествования, проработка персонажей, диалогов и эмоциональных сцен. Модель склонна выдавать очень длинные ответы и может быть полезна для сценариев, где требуется насыщенное описание. Ограничения включают преимущественную специализацию на художественном письме, возможную отрицательную тональность, чувствительность к температуре и параметрам повторов, а также ухудшение качества на низких уровнях квантования. Модель заявлена как uncensored и может генерировать NSFW-контент, насилие, грубую лексику и мрачные темы. Лицензия — Apache-2.0.

kiddom/modernbert-readability-grade-predictor — англоязычная модель ModernBERT-base, дообученная Kiddom для регрессионной оценки читательской сложности текста. Она предсказывает уровень чтения по шкале американских классов от 0 до 12 и выше: от дошкольного уровня до колледжа. Модель содержит 149 млн параметров, принимает текст и поддерживает контекст до 8192 токенов; обучена на данных CLEAR и текстах с оценками Lexile и Flesch–Kincaid. Модель предназначена для оценки сложности учебных материалов и подбора текстов под нужный уровень чтения. В README приведены RMSE 1,41 и R² 0,81. Модель распространяется по лицензии MIT. Оценки могут быть менее точными для специализированных и технических материалов, а тексты короче 10 слов могут давать ненадёжный результат. Модель обучена только на английском языке и откалибрована для системы образования США.

RedHatAI/Muse-Glimmer-30B-INT4 — мультимодальная условно-генерирующая модель, разработанная RedHatAI на основе meta-models/Muse-Glimmer-30B. Она принимает текст и изображения, а генерирует текст, поэтому предназначена для задач визуально-текстового анализа, диалога и других сценариев мультимодального вывода. Архитектура указана как MuseGlimmerForConditionalGeneration; точные сведения о языках и размере контекста в карточке не приведены. Модель оптимизирована для инференса с помощью vLLM. Веса линейных операторов внутри transformer-блоков квантизированы в INT4 по схеме W4A16 GPTQ, тогда как активации сохраняют исходную точность; vision-компоненты, lm_head и embedding-слои не квантизировались. Это уменьшает число бит на параметр с 16 до 4, а размер на диске и требования к GPU-памяти — примерно на 75%, что является основным преимуществом при развертывании. К ограничениям относятся возможное снижение качества из-за квантизации и зависимость от совместимой инфраструктуры vLLM и формата compressed-tensors. Доступны средства автоматического выбора инструментов и разбора рассуждений в vLLM, однако фактические возможности и качество базовой модели отдельно не описаны. Модель выпущена 11 августа 2026 года, версия 1.0, и распространяется по лицензии Apache-2.0.

Nile-Chat-4B — компактная instruction-tuned языковая модель семейства Nile-Chat, разработанная MBZUAI-Paris в рамках проекта Jais для египетского арабского. Это плотная модель Gemma 3 с 4 млрд параметров, дообученная на MBZUAI-Paris/Egyptian-SFT-Mixture; она поддерживает диалог и генерацию текста, в том числе на арабском письме и латинице Arabizi. Для модели заявлено контекстное окно до 131 072 токенов. Модель предназначена для общения и генерации египетского арабского текста, ответов на вопросы, перевода и транслитерации между арабским письмом и Arabizi. Лицензия — Gemma. Возможны фактические ошибки, смещения в ответах и трудности с тонкими языковыми нюансами и сложными запросами; результаты требуют проверки в ответственных сценариях.

Это квантованная версия модели facebook/nllb-200-distilled-600M в формате GGUF, подготовленная с помощью Unsloth. Модель NLLB-200 — последовательностная модель перевода, предназначенная для перевода между более чем 200 языками; в карточке отдельно приведён пример перевода между английским и хауса. GGUF-файлы предназначены для эффективного инференса в совместимых средах, включая llama.cpp, поддерживающих эту архитектуру. В README указана конфигурация fast_quantized примерно с 4-битным квантованием. Для перевода задаются исходный и целевой языки, например eng_Latn и hau_Latn. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое использование.

Модель nllb-enhanced-darija-eng_v1.1 разработана Anas ABERCHIH и представляет собой дообученную версию NLLB-200 3.3B на 40 тысячах пар предложений для перевода между марокканским арабским диалектом дарижа и английским. Это плотная модель семейства M2M-100 с архитектурой M2M100ForConditionalGeneration, рассчитанная на обработку текста; для загрузки весов используется Transformers, формат файлов — safetensors. Размер модели составляет 2,1 млрд параметров, длина контекста — 1024 токена. Модель предназначена для перевода дарижи на английский и английского на дарижу. Её можно применять для локализации материалов для марокканской аудитории, понимания неформальных публикаций и социальных сетей, а также в учебных инструментах и системах перевода. Автор указывает, что проект продолжает развиваться и обучаться на дополнительных данных. Качество может снижаться на сложных текстах, редких словах, региональных вариантах дарижи и культурно обусловленных выражениях. Модель не предназначена для других арабских диалектов, современного литературного арабского или устной речи; критически важные переводы следует проверять человеком. Лицензия в предоставленных данных не указана.

Vastined/NVIDIA-Nemotron-Nano-12B-v2-VL-BF16-GGUF — это квантизированная версия мультимодальной модели NVIDIA Nemotron Nano 12B v2 VL, опубликованная пользователем или организацией Vastined на базе модели nvidia/NVIDIA-Nemotron-Nano-12B-v2-VL-BF16. Модель предназначена для задач image-text-to-text, то есть обработки изображений и текстовых запросов с генерацией текстового ответа. Из доступных данных известно, что модель содержит около 12 миллиардов параметров, поддерживает работу с визуальными и текстовыми входными данными и распространяется в формате GGUF. Сведения о точной архитектуре, поддерживаемых языках, размере контекста, наборах данных, результатах тестирования, сильных сторонах и ограничениях отсутствуют. Модель распространяется по лицензии NVIDIA Open Model License; в карточке также указана лицензия other и приведена ссылка на официальный текст условий NVIDIA. Перед использованием необходимо ознакомиться с условиями этой лицензии.

Helsinki-NLP/opus-mt-ar-de — модель машинного перевода арабского языка на немецкий из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMT. Модель содержит 57,5 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Для предобработки используются нормализация и SentencePiece с словарями spm32k; поддерживаются арабский текст, включая несколько его диалектных и латинских вариантов, и немецкий язык. Модель подходит для перевода отдельных фраз и текстов с арабского на немецкий. В карточке приведён результат на тестовом наборе Tatoeba: BLEU 44,7 и chr-F 0,629. Репозиторий содержит веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ase-de — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит с ase на немецкий язык; карточка указывает корпус OPUS, архитектуру Transformer-align и предварительную обработку с нормализацией и SentencePiece. В метаданных указаны архитектура MarianMT, 52,6 млн параметров, контекст до 512 токенов и форматы PyTorch и TensorFlow. Модель подходит для автоматического перевода текстов с ase на немецкий. В README приведён результат BLEU 27,2 и chr-F 0,478 на тестовом наборе JW300.ase.de. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-bzs-en — модель машинного перевода семейства Marian, разработанная для проекта OPUS. Она переводит текст с языка bzs на английский. Модель построена на архитектуре Transformer с выравниванием, использует нормализацию и токенизацию SentencePiece; размер составляет 49,7 млн параметров, контекст — до 512 токенов. Модель обучена на данных OPUS. В карточке приведены результаты на тестовом наборе JW300.bzs.en: BLEU 44,5 и chr-F 0,605. Весовые файлы доступны в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-ca-uk — модель машинного перевода из семейства MarianMT, разработанная в рамках проекта OPUS. Она переводит текст с каталанского языка на украинский и основана на архитектуре Transformer-align; размер составляет 29 млн параметров, контекст — до 512 токенов. Для предобработки применяются нормализация и SentencePiece с моделью spm4k. В тесте Tatoeba-test.cat.ukr указаны BLEU 28,6 и chr-F 0,503. Модель поддерживает перевод в одном направлении: с каталанского на украинский. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-da-de — модель машинного перевода на архитектуре MarianMT, разработанная в рамках проекта OPUS. Она переводит текст с датского языка на немецкий. Модель основана на Transformer, использует нормализацию и токенизацию SentencePiece; в репозитории доступны веса PyTorch и TensorFlow. Размер модели — 54,4 млн параметров, длина контекста — 512 токенов. Модель подходит для перевода датских предложений и текстов на немецкий. В README приведены результаты на наборе Tatoeba.da.de: BLEU 57,4 и chr-F 0,740. Датасет OPUS указан как обучающий. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-da-es — модель машинного перевода на архитектуре Transformer, разработанная проектом OPUS и распространяемая командой Helsinki-NLP. Она переводит текст с датского языка на испанский; обучение выполнено на данных OPUS. Веса доступны в форматах PyTorch и TensorFlow, размер модели — 54,6 млн параметров, длина контекста — до 512 токенов. Перед обработкой применяется нормализация и токенизация SentencePiece. Модель предназначена для перевода фраз и документов с датского на испанский. В README приведён результат 53,7 BLEU на тестовом наборе Tatoeba.da.es. Лицензия Apache-2.0 разрешает использование и распространение модели на её условиях. Модель выполняет перевод только в указанном направлении; приведённый результат относится к конкретному тестовому набору и не гарантирует такое же качество на других текстах.

Helsinki-NLP/opus-mt-da-no — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Marian (Transformer). Она переводит текст с датского на норвежский, поддерживая варианты Bokmål и Nynorsk. Веса содержат около 34,8 млн параметров; максимальный контекст — 512 токенов. Для выбора языка перевода в начале предложения требуется целевой токен вида `>>id<<`. Модель использует нормализацию текста и токенизацию SentencePiece. В карточке приведён результат на тестовом наборе Tatoeba: BLEU 66,4 и chr-F 0,801. Модель подходит для перевода отдельных фраз и текстов с датского на норвежский; качество на других типах текстов может отличаться. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-de-el — модель машинного перевода из семейства MarianMT, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с немецкого языка на греческий; в качестве данных для обучения указан корпус OPUS. Модель использует архитектуру Transformer, предварительную нормализацию и токенизацию SentencePiece. В репозитории представлены веса PyTorch и TensorFlow; размер модели — 55,9 млн параметров, контекст — до 512 токенов. Модель предназначена для перевода предложений и текстовых фрагментов с немецкого на греческий. В карточке приведён результат BLEU 45,7 и chr-F 0,649 на наборе Tatoeba.de.el. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. Модель специализирована на одном направлении перевода, поэтому её не следует считать универсальной или двунаправленной.

Helsinki-NLP/opus-mt-en-he — модель машинного перевода, разработанная Helsinki-NLP для перевода с английского языка на иврит. Она основана на архитектуре Marian и использует Transformer; в карточке указаны 58,9 млн параметров, контекст до 512 токенов и предобработку с нормализацией и SentencePiece. Модель обучена на данных OPUS и предназначена для перевода предложений и текстов с английского на иврит. В README приведён результат BLEU 40,1 и chr-F 0,609 на тестовом наборе Tatoeba.en.he. Модель принимает текст и выдаёт перевод текстом; поддерживаемая пара языков — en → he. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-hy — модель машинного перевода с английского на армянский из семейства OPUS-MT, разработанная Helsinki-NLP. Это модель архитектуры Marian Transformer-align с 29,1 млн параметров, обученная на параллельных данных English–Armenian. Для токенизации используется нормализация текста и SentencePiece с словарями по 4 тыс. токенов; контекст составляет до 512 токенов. Модель подходит для перевода предложений и коротких текстов с английского на армянский. В тесте Tatoeba-test.eng.hye указаны BLEU 16,6 и chr-F 0,404. Репозиторий содержит веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-pap — модель машинного перевода из семейства MarianMT, разработанная проектом OPUS/Helsinki-NLP. Она переводит текст с английского языка на папьяменто. Модель построена на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece; содержит 54,5 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для перевода отдельных фраз и текстов с английского на папьяменто. В README приведены результаты на тестовых наборах JW300.en.pap (BLEU 40,1; chr-F 0,586) и Tatoeba.en.pap (BLEU 52,8; chr-F 0,665). Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-tl — модель машинного перевода семейства Marian, разработанная Helsinki-NLP в рамках проекта OPUS. Она переводит текст с английского на тагальский язык и предназначена для автоматического перевода предложений и текстовых фрагментов. Модель основана на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece; число параметров — 54,5 млн, длина контекста — до 512 токенов. Для обучения использованы данные OPUS и обратный перевод (opus+bt). В тесте Tatoeba.en.tl указаны BLEU 26,6 и chr-F 0,577. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-es-cs — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с испанского на чешский и предназначена для автоматического перевода отдельных текстов и интеграции в системы перевода. Модель основана на архитектуре Marian Transformer, содержит 55,2 млн параметров и использует SentencePiece с нормализацией текста; длина контекста — 512 токенов. Для набора Tatoeba.es.cs в карточке приведены оценки BLEU 46,4 и chr-F 0,655. Модель принимает текст на испанском и выдаёт текст на чешском. Распространяется по лицензии Apache-2.0.

Модель lenciclopedia/opus-mt-es-va-racv — нейронный переводчик с испанского (кастильского) на валенсийский язык по нормам RACV, известным как Normes d’El Puig. Она создана для автоматического перевода текстов и основана на архитектуре Marian / Opus-MT Seq2Seq. В метаданных указаны задача перевода, контекст 512 токенов, формат safetensors и языковой тег испанского; лицензия — MIT. Модель подходит для перевода испанских текстов на нормативный валенсийский с орфографией RACV. Карточка не сообщает о результатах оценки качества или дополнительных ограничениях, поэтому качество на конкретных жанрах и длинных текстах следует проверять отдельно.

Helsinki-NLP/opus-mt-et-fi — модель машинного перевода эстонского языка на финский, созданная проектом OPUS. Она использует архитектуру Transformer в реализации Marian и обучена на данных OPUS. Предобработка включает нормализацию текста и SentencePiece; размер модели составляет 54,9 млн параметров, а длина контекста — 512 токенов. Модель предназначена для перевода текстов с эстонского на финский. В README приведена оценка BLEU 26,6 и chr-F 0,546 на тестовом наборе JW300.et.fi. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-fr-ro — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с французского на румынский и основана на архитектуре Transformer-align. Модель содержит 54,2 млн параметров, использует нормализацию и токенизацию SentencePiece; для обработки текста указан контекст до 512 токенов. Модель подходит для перевода французских текстов на румынский, включая автоматизированный перевод и локализацию. В README приведён результат BLEU 42,1 на тестовом наборе Tatoeba.fr.ro. Доступны веса в форматах PyTorch и TensorFlow. Лицензия Apache-2.0 разрешает свободное использование при соблюдении её условий.

Helsinki-NLP/opus-mt-gmw-gmw — модель машинного перевода из проекта OPUS, опубликованная под лицензией Apache-2.0. Она переводит между языками западногерманской группы, поддерживая, среди прочих, африкаанс, немецкий, английский, фризские языки, нидерландский, люксембургский и идиш; для выбора целевого языка требуется начальный токен вида >>id<<. Модель построена на архитектуре Transformer и реализована как MarianMTModel; число параметров — 43,3 млн, длина контекста — 512 токенов. Модель предназначена для перевода предложений и текстов между перечисленными языками и их вариантами. В README описана нормализация текста и токенизация SentencePiece с словарём на 32 тыс. единиц. Приведены тестовые результаты OPUS, однако качество может различаться в зависимости от языковой пары и тематики текста.

Helsinki-NLP/opus-mt-hu-de — модель машинного перевода с венгерского языка на немецкий из семейства OPUS-MT, разработанная Helsinki-NLP. Она построена на архитектуре MarianMT с Transformer и предназначена для перевода предложений; при предобработке используются нормализация и SentencePiece. Модель насчитывает 55,2 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. В карточке приведён результат BLEU 44,1 и chr-F 0,637 на тестовом наборе Tatoeba.hu.de. Модель подходит для перевода венгерских текстов на немецкий, однако README не описывает её качество на других наборах данных или для текстов иных жанров. Лицензия — Apache-2.0.

Ik45/opus-mt-id-ar-hybrid — гибридная модель машинного перевода с архитектурой MarianMT (кодировщик–декодировщик на основе Transformer), разработанная с помощью переноса компонентов OPUS-MT и последующего дообучения. Она переводит текст с индонезийского на арабский. Кодировщик взят из Helsinki-NLP/opus-mt-id-en, а декодер и общие эмбеддинги — из Helsinki-NLP/opus-mt-en-ar; модель содержит по 6 слоёв кодировщика и декодера, размер скрытого представления 512 и 8 голов внимания. Контекст — до 512 токенов, словарь целевого языка — 62 802 токена. Для дообучения использовались параллельные данные, включая Bible-uedin, Tanzil, NeuLab-TedTalks, TED2020 и QED. Подходит для перевода индонезийских текстов на арабский; лицензия Apache-2.0.

Helsinki-NLP разработала opus-mt-id-fr — модель машинного перевода с индонезийского языка на французский. Она основана на архитектуре Transformer и реализована как MarianMTModel; для обработки текста используются нормализация и SentencePiece. Модель обучена на данных OPUS и содержит 54,3 млн параметров. Модель предназначена для перевода предложений и текстов с индонезийского на французский. В карточке приведён результат BLEU 43,8 и chr-F 0,616 на тесте Tatoeba.id.fr. Длина контекста — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-it-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с итальянского на английский и предназначена для перевода отдельных фраз и документов, включая новостные тексты и материалы общего назначения. Модель основана на архитектуре Marian Transformer с выравниванием, содержит 66,3 млн параметров и использует нормализацию текста и SentencePiece. Для обучения использован корпус OPUS; максимальная длина контекста — 512 токенов. В карточке приведены результаты на наборах newssyscomb2009, newstest2009 и Tatoeba. Модель доступна в форматах PyTorch и TensorFlow по лицензии Apache-2.0. Она предназначена для направления перевода итальянский—английский; карточка не подтверждает поддержку других языковых направлений.

Helsinki-NLP выпустила opus-mt-ja-de — модель машинного перевода с японского языка на немецкий. Она основана на архитектуре MarianMT с Transformer и обучена на данных OPUS; перед обработкой текст нормализуется и разбивается с помощью SentencePiece. Модель содержит 56,9 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для перевода предложений и текстов с японского на немецкий. В README приведены результаты на тестовом наборе Tatoeba.ja.de: BLEU 30,1 и chr-F 0,518. Модель распространяется по лицензии Apache-2.0.