I.5Создание и редактирование текста

Liujgoj-Cantonese-Gemma4-12b-CPT-Unified-i1-GGUF — это квантизированная версия модели Liujgoj-Cantonese-Gemma4-12b-CPT-Unified, разработанной Yvthyvq и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для генерации текста, прежде всего на китайском языке и кантонском диалекте, что отражено в её обозначении и метаданных. Модель относится к семейству Gemma4 и имеет размер 12 млрд параметров. Она распространяется в виде набора вариантов GGUF с разными методами и уровнями квантизации, поэтому может использоваться на системах с различными ограничениями по памяти. Доступны варианты от очень компактных IQ1 и IQ2 до более качественных IQ4 и Q4, включая рекомендуемый по балансу скорости и качества i1-Q4_K_M размером около 7,5 ГБ. Поддержка мультимодальности и размер контекстного окна в предоставленных данных не указаны. Сильной стороной модели является специализация на кантонском языке и наличие множества квантизированных вариантов для локального запуска. Ограничения связаны с компромиссом между размером, скоростью и качеством: наиболее компактные варианты могут давать заметно более низкое качество, тогда как более качественные требуют больше памяти. Модель распространяется по лицензии Apache-2.0; в метаданных также указано название лицензии opencsg-community.

LLaMA2-13B-Tiefighter — текстовая генеративная модель KoboldAI на архитектуре LLaMA 2 с 12,9 млрд параметров и контекстом до 4096 токенов. Это слияние нескольких моделей и LoRA-адаптеров, включая Undi95/Xwin-MLewd-13B-V0.2, PocketDoc/Dans-RetroRodeo-13b и Blackroot/Llama-2-13B-Storywriter-LORA; итоговая версия предназначена прежде всего для художественного письма, ролевых диалогов и текстовых приключений. Модель продолжает заданный текст, пишет истории по инструкции, поддерживает чат с персонажами и может работать в разных форматах инструкций, включая Alpaca. Для приключенческих игр README рекомендует кратко описать мир и цель, а команды задавать с префиксом `>`. Модель склонна импровизировать, но ответы в фактологических задачах могут быть вымышленными; иногда в инструктивных ответах проявляется уклон в приключенческие сюжеты. Использование регулируется лицензией Llama 2.

Alisaeed001/Llama-2-7b-English-RomanUrdu-finetune — модель генерации текста на архитектуре Llama с 6,6 млрд параметров. Согласно названию репозитория и README, она предназначена для перевода с английского на романизированный урду; в README показана загрузка через Transformers как модели text-generation. Модель принимает текст и генерирует текст. Её контекст составляет 4096 токенов. Репозиторий содержит веса PyTorch. Сведений о результатах оценки качества и лицензии в предоставленных данных нет.

ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.2 — разговорная модель ArliAI на архитектуре Llama 3.1 с 7,5 млрд параметров. Это версия Meta-Llama-3.1-8B, повторно обученная на тщательно отобранных наборах данных для творческого письма и ролевых диалогов; в версии v1.2 обновлены данные, усилена дедупликация и отфильтрованы нерелевантные описания. Модель рассчитана на ролевое взаимодействие с разными персонажами и ситуациями, а также на творческую генерацию менее повторяющихся ответов. Она поддерживает контекст до 131 072 токенов и формат диалогов Llama 3 Instruct. Репозиторий содержит веса Safetensors; в README также упомянуты варианты FP16 и GGUF. Лицензия — Llama 3.1; применимость регулируется её условиями.

Apollo Raines представил экспериментальный вариант Meta Llama 3.1 8B Instruct, изменённый инструментом jBlaze с помощью representation engineering. По заявлению автора, дополнительного обучения не проводилось: в весах подавлено поведение отказа, усилена ориентация на правдивые ответы и сокращена многословность. Модель предназначена для диалоговой генерации текста и ответов на инструкции; в примерах также показаны ответы на вопросы и генерация кода. Архитектура — плотная LlamaForCausalLM, около 7,5 млрд параметров, контекст — до 131 072 токенов. Указаны английский язык, формат safetensors и точность bf16. Автор отмечает, что выпущенная версия ослаблена и служит демонстрацией возможностей jBlaze. Известная проблема — склонность к соглашательству. Подавление отказов также означает, что модель может отвечать на опасные запросы. Лицензия — Llama 3.1 Community License.

dispatchAI публикует квантованную версию Meta Llama 3.2 1B Instruct в формате GGUF с квантизацией Q8_0. Модель содержит 1,23 млрд параметров и занимает около 1,3 ГБ. Она предназначена для генерации текста и диалоговых приложений на мобильных и периферийных устройствах. Карточка рекомендует Q8-вариант для чат-ботов и модерации контента, когда важнее сохранить качество ответов, чем минимизировать размер модели. Модель рассчитана на английский язык. Репозиторий распространяется по лицензии Llama 3.2; перед использованием следует учитывать её условия. В карточке не приведены сведения о длине контекста или конкретных ограничениях точности.

Llama-3.2-1B-Instruct-NEO-WEE-HORROR-GGUF — текстовая генеративная модель в формате GGUF, разработанная DavidAU на основе Llama 3.2 1B Instruct от Meta. Модель дообучена или адаптирована с использованием набора данных NEO IMATRIX Tiny «Wee» Horror для усиления творческого письма и художественной выразительности. Модель предназначена для генерации рассказов, сцен, сюжетов и подсюжетов, продолжения историй, ролевого взаимодействия и работы с художественными текстами различных жанров. Основной акцент сделан на хорроре: модель добавляет мрачную атмосферу, напряжение, ощущение надвигающейся угрозы и более интенсивное, яркое описание сцен. При этом она может использоваться для научной фантастики, романтики и других творческих задач. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского, русского и корейского языков. Модель содержит около 1 млрд параметров, поддерживает контекст до 131 000 токенов и рассчитана на работу с шаблоном Llama 3. Рекомендуется применять параметры повторного штрафа и температуры с осторожностью: их изменение существенно влияет на стиль, длину и креативность вывода. Сильными сторонами являются высокая скорость генерации, малая вычислительная потребность для модели такого класса, выразительная проза и усиленная ориентация на хоррор. Ограничениями могут быть выраженный мрачный уклон, возможная графичность описаний, чувствительность к настройкам и потеря детализации при использовании сильного квантования. Модель распространяется по лицензии Apache-2.0. Для использования необходим совместимый инференс-движок с поддержкой формата GGUF и корректно настроенным шаблоном Llama 3.

MameLoshnLM — языковая модель на базе Llama 3.1 8B, разработанная для идиша и описанная в сопутствующей научной работе. Она создана продолжением предобучения meta-llama/Llama-3.1-8B на корпусе современных интернет-текстов и литературных материалов на идише; небольшая доля английских данных использовалась для снижения потери базовых навыков. Модель имеет архитектуру LlamaForCausalLM, около 7,5 млрд параметров и доступна в формате safetensors для Transformers. Контекст архитектуры — до 131 072 токенов, однако обучение проводилось на последовательностях длиной 1 024 токена. Модель предназначена для генерации текста на идише и может применяться в лингвистических задачах, ответах на вопросы, распознавании именованных сущностей и машинном переводе. В оценках на идише она показала результаты для POS-разметки, синтаксического разбора и лемматизации. Модель не проходила дообучение на инструкциях или настройку безопасности, поэтому не следует ожидать надёжного следования сложным инструкциям. Низкоресурсность идиша и OCR-источники в обучающем корпусе могут приводить к артефактам распознавания и вариативности орфографии. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей.

mBERT-Burmese-Register-Classifier — классификатор текстовых последовательностей, разработанный Khant Sint Heinn (Kalix Louis) для определения регистра бирманского языка. Модель дообучена на многоязычном энкодере BERT и использует архитектуру BertForSequenceClassification с классификационной головой. Она различает формальный письменный и разговорный стили, выдавая метку класса для текста. Размер модели — 205,1 млн параметров, максимальная длина контекста — 512 токенов; README описывает усечение обучающих примеров до 128 токенов. Модель предназначена для проверки регистра бирманского текста, подготовки данных для машинного перевода и переноса стиля, а также как вспомогательный компонент инструментов проверки грамматики. Она обучалась на наборе из 1 643 параллельных пар письменных и разговорных примеров. В README сообщается о почти 100% точности и F1 1,0 на конкретной валидационной выборке, но результаты на реальных данных могут быть ниже. Лицензия — Apache 2.0.

QuantFactory/Meissa-Qwen2.5-7B-Instruct-GGUF — квантизированная версия модели Meissa-Qwen2.5-7B-Instruct, разработанная QuantFactory с использованием llama.cpp на основе Orion-zhen/Qwen2.5-7B-Instruct-Uncensored. Это текстовая generative-модель для генерации текста, прежде всего для написания художественных произведений и ролевых сценариев. Модель дообучена методом SFT на наборах данных, связанных с художественным письмом, ролевыми диалогами, карточками персонажей и литературными промптами. Заявлены поддерживаемые языки zh и en. Архитектура относится к семейству Qwen2.5, размер базовой модели — 7B параметров; GGUF-квантизация предназначена для запуска через совместимое программное обеспечение на базе llama.cpp и может снизить требования к памяти, однако конкретные варианты квантизации в README не указаны. Данные о размере контекста, модальностях и производительности отсутствуют. Сильная сторона модели — специализация на творческой генерации и roleplay благодаря тематике обучающих данных. Ограничения включают отсутствие подтверждённых показателей качества, сведений о контекстном окне и подробностей квантизации. Модель распространяется по лицензии GPL-3.0.

Карточка модели MergekitCloud/mergekit-50 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-75, поэтому описание составлено по ней. MergekitCloud/mergekit-75 — языковая модель, созданная автором репозитория MergekitCloud слиянием четырёх моделей семейства Llama 3.1 8B методом Model Stock с помощью mergekit. В качестве базовой для слияния использована vicgalle/Humanish-Roleplay-Llama-3.1-8B; в состав также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель предназначена для генерации текста и диалогов, в том числе ролевых сценариев и более свободных ответов. Она имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Слияние объединяет модели с ролевой и менее ограниченной генерацией, однако README не приводит сравнительных оценок качества. Данные не подтверждают отдельную языковую специализацию. Лицензия в предоставленных источниках не указана.

Карточка модели MergekitCloud/mergekit-66 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-75, поэтому описание составлено по ней. MergekitCloud/mergekit-75 — языковая модель, созданная автором репозитория MergekitCloud слиянием четырёх моделей семейства Llama 3.1 8B методом Model Stock с помощью mergekit. В качестве базовой для слияния использована vicgalle/Humanish-Roleplay-Llama-3.1-8B; в состав также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель предназначена для генерации текста и диалогов, в том числе ролевых сценариев и более свободных ответов. Она имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Слияние объединяет модели с ролевой и менее ограниченной генерацией, однако README не приводит сравнительных оценок качества. Данные не подтверждают отдельную языковую специализацию. Лицензия в предоставленных источниках не указана.

MaziyarPanahi/MetaMath-Mistral-7B-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral для генерации текста и ответов на инструкции. Она создана слиянием mistralai/Mistral-7B-Instruct-v0.1 и meta-math/MetaMath-Mistral-7B методом SLERP; в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель рассчитана на диалоговые запросы и математические задачи, связанные с MetaMathQA. Поддерживает формат safetensors и распространяется по лицензии Apache-2.0.

Celeste V1.9 — модель генерации текста для написания историй и ролевых диалогов, разработанная nothingiisreal на базе Mistral NeMo 12B Instruct. Это плотная авторегрессионная модель MistralForCausalLM с 12,1 млрд параметров; обучалась с форматом ChatML на корпусах Reddit Writing Prompts, Opus Instruct и очищенных диалоговых логах. Карточка указывает контекст обучения 8K токенов; модель должна наследовать более длинный контекст базовой Mistral NeMo, а метаданные каталога указывают нативный контекст 1 024 000 токенов. Модель предназначена для продолжения и создания художественной прозы, интерактивного ролевого общения и управления стилем повествования инструкциями в диалоге. Разработчик отмечает улучшенную поддержку NSFW-сценариев и возможность вести как безопасные, так и откровенные истории; поведение заметно зависит от начальных сообщений, системного промпта и параметров генерации. Рекомендуется использовать ChatML и подбирать семплирование; ответы могут различаться между повторными генерациями, а первые сообщения иногда требуют ручной правки. Лицензия репозитория — Apache-2.0.

DoppelReflEx разработал MN-12B-Mimicore-GreenSnake — слитую диалоговую модель на архитектуре Mistral с 12,1 млрд параметров. Она принимает текст и генерирует текст; для общения используется формат ChatML, а заявленная длина контекста составляет 1 024 000 токенов. Модель предназначена для ролевых диалогов, в том числе ERP-сценариев, и написания историй. По словам автора, она не слишком хорошо имитирует человеческие ответы, хотя, по оценке автора, остаётся пригодной для использования. Модель получена слиянием двух моделей методом SLERP. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески. Карточка не содержит дополнительных сведений о поведении модели и её ограничениях за пределами указанной оценки автора.

MN Starlight Sylph 12B — объединённая языковая модель на архитектуре Mistral, созданная EldritchLabs с помощью mergekit и метода della. В слияние вошли пять моделей, включая Retreatcost/Mistral-Nemo-Base-2407-ChatML; размер модели — 12,1 млрд параметров, формат весов — safetensors, контекст — до 131 072 токенов. Модель предназначена для генерации художественных текстов на английском языке: написания рассказов и сцен, развития сюжета, продолжения историй и ролевого общения. В примере показана образная проза с атмосферными описаниями. Для общения рекомендуется шаблон Mistral Tekken; также можно попробовать ChatML. Модель выпущена под лицензией Apache-2.0. Она может отказывать в некоторых запросах, поскольку не проходила декензурирование; качество результата и форматирование зависят от выбранного шаблона чата.

Модель thilina/mt5-sinhalese-english — версия mT5-base с дообучением на наборе данных сингальско-английского перевода из Tatoeba Challenge. Она предназначена для перевода текста с сингальского на английский и с английского на сингальский. Модель содержит 291,2 млн параметров и использует архитектуру mT5 для генерации текста по текстовому входу; доступны веса в форматах PyTorch и TensorFlow. В карточке приведены оценки SacreBLEU: 24,4 для перевода с сингальского на английский и 10,3 для перевода с английского на сингальский. Использование разрешено по лицензии Apache-2.0.

Nemotron-4-Mini-Hindi-4B-Instruct — языковая модель NVIDIA для генерации ответов на вопросы с учётом индийского контекста. Она принимает запросы на хинди, английском и Hinglish и подходит для диалоговых сценариев, включая ответы на вопросы и интерфейсы с вызовом инструментов. Модель представляет собой авторегрессионный декодер Transformer семейства Nemotron с плотной архитектурой и 4,3 млрд параметров. Она дообучена и выровнена на основе nvidia/Nemotron-4-Mini-Hindi-4B-Base с использованием реальных и синтетических данных для выравнивания. Контекст составляет 4096 токенов; архитектура использует Grouped-Query Attention и RoPE. Для лучшего качества рекомендуется формат промпта из карточки модели. NVIDIA сообщает о готовности модели к коммерческому использованию; лицензия в метаданных обозначена как other, поэтому условия следует сверить с лицензией и условиями NVIDIA. Модель может выдавать неточные, неполные или нерелевантные ответы, а также воспроизводить токсичность и социальные предубеждения из обучающих данных.

nepoticide-12B-Unslop-Unleashed-Mell-RPMax — слитая автором redrix диалоговая языковая модель семейства Mistral Nemo с 12,1 млрд параметров. Она предназначена для генерации текста в чатах, ролевых сценариях и художественном письме. Модель создана методом Model Stock в mergekit на основе TheDrummer/UnslopNemo-12B-v4.1 с добавлением трёх других моделей; использует формат Safetensors и шаблон чата ChatML. Метаданные указывают контекст до 1 024 000 токенов. Автор предупреждает, что эта версия, вероятно, работает некорректно из-за возможной утечки токенов, и рекомендует использовать nepoticide-12B-Unslop-Unleashed-Mell-RPMax-v2. Точная причина неисправности не установлена. Лицензия — Apache-2.0.

Это модель машинного перевода NERDS-NITS, созданная участниками команды для задачи WMT 2026 по переводу с арабского на английский в условиях ограниченных данных. Она дообучена на базе Helsinki-NLP/opus-mt-tc-big-ar-en и использует архитектуру Marian Transformer с кодировщиком и декодировщиком; токенизация основана на SentencePiece. В метаданных указаны 163,2 млн параметров и контекст 1024 токена. Модель предназначена для прямого перевода арабских текстов на английский и может применяться в системах машинного перевода и языковых инструментах для этой языковой пары. В README приведены результаты оценки на тестах WMT 2026, включая BLEU 29,35 и COMET 80,88 на официальном тесте. Распространяется по лицензии MIT.

nexus-medical-GGUF — это квантованная GGUF-версия модели NEXUS-Medical, разработанной fableforge-ai в экосистеме FableForge и опубликованной пользователем King3Djbl. Модель предназначена для медицинских вопросов и клинического рассуждения, а также может применяться в общих сценариях генерации текста, рассуждения и использования инструментов. Заявлена поддержка английского языка и формат диалогов ChatML. Модель имеет размер 1,5 млрд параметров и относится к лёгким доменным специалистам. Доступны варианты от F16 до низкобитных квантований Q8_0, Q6_K, Q5_K_M, Q4_K_M, IQ4_XS и других форматов, совместимые с llama.cpp, Ollama и LM Studio. Для большинства пользователей в README рекомендуется Q4_K_M как баланс размера и качества, а при достаточном объёме оперативной памяти — Q6_K или Q5_K_M. В заявленном внутреннем тестировании модель получила 140 из 150 баллов, включая 47/50 за медицинские знания и 25/25 за рассуждение, однако методика и независимость оценки ограничены описанием в README. Сильными сторонами являются компактность, возможность локального запуска и специализация на медицинской тематике. Ограничения включают небольшой размер модели, отсутствие заявленных сведений о длине контекста и мультимодальных возможностях, а также отсутствие гарантий клинической точности и безопасности; результаты не следует использовать как замену профессиональной медицинской консультации. Модель распространяется по лицензии Apache-2.0.

NileChat-3B — диалоговая языковая модель, разработанная UBC-NLP для египетских и марокканских сообществ. Это версия с инструктивной настройкой на базе Qwen/Qwen2.5-3B; модель содержит около 3 млрд параметров и предназначена для генерации ответов с учётом особенностей местных диалектов и культурного контекста. Модель понимает и генерирует египетский и марокканский арабский на арабском письме и в Arabizi, а также работает с современным литературным арабским, французским и английским. Её сценарии применения включают диалог, создание локально релевантного контента и перевод между диалектами, литературным арабским, английским и французским. В README указано обучение на специально собранных языковых и культурных данных, включая материалы о наследии и ценностях Египта и Марокко. NileChat-3B представлена как исследовательский proof of concept. Возможны фактические ошибки, чувствительность к формулировке запроса и нестабильность на очень длинных входах; важные ответы следует проверять. Лицензия обозначена в метаданных как other, поэтому конкретные условия использования следует уточнить в карточке модели.

Tsengel-mn/nllb-mongolian — дообученная модель перевода на основе дистиллированной NLLB-200 от Meta, предназначенная для перевода между монгольским и английским языками. По карточке, дообучение на монгольских параллельных корпусах улучшило обработку грамматики, порядка слов SOV, кириллической монгольской лексики и контекста в разговорных и технических текстах. Модель использует архитектуру M2M100ForConditionalGeneration и содержит около 463,7 млн параметров. Она принимает текст и выдаёт перевод; заявленный контекст — до 1024 токенов. Репозиторий содержит веса в формате safetensors. Модель рассчитана на перевод текстов общего, разговорного и технического характера между монгольским и английским. Карточка указывает лицензию Apache-2.0. Качество вне этой языковой пары и пределы применения для конкретных узких областей в карточке не описаны.

Nova-70B-Llama-3.3 — дообученная LatitudeGames на базе meta-llama/Llama-3.3-70B-Instruct с участием Gryphe Padar. Модель предназначена для интерактивных текстовых приключений, ролевых диалогов и создания повествовательных историй с выразительными персонажами, развитием отношений и последовательностью событий в длинном контексте. Модель использует плотную архитектуру LlamaForCausalLM и содержит 69,5 млрд параметров. Она дообучена на текстовых приключениях, эмоциональных историях, материалах по построению миров и ролевых диалогах; небольшой набор инструкций добавлен для усиления выполнения запросов. Поддерживает контекст до 131 072 токенов и ориентирована прежде всего на английский язык. Использует формат prompt Llama 3; репозиторий содержит веса safetensors, а README также ссылается на квантизованные веса GGUF. В длинных повествованиях модель стремится сохранять характеры и нюансы взаимодействий; базовое обучение в настоящем времени и от второго лица может влиять на стиль, хотя, по README, модель способна создавать тексты с другими перспективами и выполнять сложные инструкции. Лицензия — llama3.3.

openchat-nectar-0.5 — диалоговая языковая модель, созданная Andy Salerno дообучением OpenChat 3.5 на базе Mistral с помощью DPO на отфильтрованной части набора Berkeley Nectar. Обучение длилось 5000 шагов — полный проход по выбранным данным; для сравнения ответов использовались примеры с несколькими ходами диалога, а отклоняемыми выбирались ответы с четвёртым рейтингом. Из набора исключили примеры с good_natured=False. Модель предназначена для многоходового общения и генерации ответов в формате чата. Она содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 8192 токенов. В карточке указана лицензия Apache-2.0. Описание обучения указывает на фильтрацию данных, которая могла повлиять на склонность модели к отказам; независимые сравнительные выводы из приведённых результатов оценки сделать нельзя.

OPT-6.7B-Nerybus-Mix — экспериментальная языковая модель, созданная KoboldAI путём равного покомпонентного смешивания весов NerysV2-6.7B и ErebusV1-6.7B. Это плотная авторегрессионная модель семейства OPT для генерации текста; в метаданных указаны 8,8 млрд параметров и контекст длиной 2048 токенов. Репозиторий содержит веса PyTorch в FP16. Модель предназначена для генерации связного текста и рекомендована для использования с KoboldAI. Предварительные испытания показали связные ответы, но автор отмечает, что результат уступает варианту Nerybus на 2,7 млрд параметров; формальной оценки качества нет. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензиями исходных моделей и репозитория.

Helsinki-NLP/opus-mt-be-es — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP. Она переводит текст с белорусского языка на испанский; модель обучена для этой языковой пары и не заявлена как многоязычная. В основе лежит архитектура Transformer-align, представленная в Transformers как MarianMTModel; размер составляет 29,1 млн параметров, длина контекста — до 512 токенов. Вход и результат — текст. Для предобработки используются нормализация и SentencePiece с словарями по 4 тыс. токенов. В тесте Tatoeba для пары белорусский—испанский указаны BLEU 11,8 и chr-F 0,272. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-bem-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с бемба (bem) на английский (en) и предназначена для перевода отдельных текстов и предложений. Модель построена на архитектуре Marian Transformer с выравниванием, содержит 55,8 млн параметров и использует нормализацию и токенизацию SentencePiece; заявленная длина контекста — 512 токенов. В README приведён результат BLEU 33,4 и chr-F 0,491 на тестовом наборе JW300.bem.en. Модель доступна под лицензией Apache-2.0; указаны форматы PyTorch и TensorFlow. Показатели качества относятся к указанному тестовому набору и не гарантируют такого же качества на других текстах.

Helsinki-NLP/opus-mt-ca-fr — модель машинного перевода, опубликованная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с каталанского языка на французский и основана на архитектуре Transformer-align; в реализации используется MarianMT. Модель содержит 36,1 млн параметров и рассчитана на контекст до 512 токенов. Перед обработкой текста применяются нормализация и SentencePiece с словарями по 12 тысяч элементов. Для набора Tatoeba-test.cat.fra в карточке приведены оценки BLEU 52,4 и chr-F 0,694. Модель подходит для перевода отдельных текстов и интеграции в приложения с направлением перевода ca→fr. Распространяется по лицензии Apache-2.0; доступны форматы PyTorch и TensorFlow.

Helsinki-NLP разработала opus-mt-cs-en — модель машинного перевода с чешского языка на английский. Она основана на архитектуре Transformer-align и обучена на данных OPUS; для обработки текста применяются нормализация и SentencePiece. Модель содержит 57,2 млн параметров, поддерживает перевод с чешского на английский и имеет контекст длиной до 512 токенов. В README приведены результаты на тестовых наборах новостных переводов: BLEU от 30,4 до 34,1. Модель подходит для перевода чешских текстов на английский в приложениях и рабочих процессах, где требуется отдельная модель для этой языковой пары. Опубликована под лицензией Apache-2.0.