I.5Создание и редактирование текста

Lit-125M — авторегрессионная языковая модель GPT-Neo, дообученная hakurei на корпусе объёмом около 2 ГБ с художественной прозой, включая лёгкие новеллы, эротические тексты и литературу с аннотациями. Модель содержит 137,7 млн параметров и принимает текстовые подсказки, после которых генерирует художественный текст; контекст — до 2048 токенов. Модель предназначена для создания вымышленной прозы и помощи авторам. Аннотационные теги в подсказке, например жанр, стиль и точка зрения, можно комбинировать, чтобы направлять генерацию. Английский язык указан в метаданных; примеры и описание карточки также англоязычные. Весы опубликованы в формате PyTorch по лицензии MIT. Небольшой размер подходит для экспериментов и отладки, но качество и связность генерации могут быть ограничены размером модели и обучающими данными. В корпусе присутствует эротический контент.

LLaMA2-13B-Psyfighter2 — модель генерации текста, созданная участниками сообщества KoboldAI Jeb Carter и TwistedShadows. Это объединение нескольких моделей на базе Llama 2 13B, выполненное методом task arithmetic; итоговая модель содержит около 12,9 млрд параметров и распространяется в формате Safetensors. Для генерации доступно контекстное окно до 4096 токенов. Модель ориентирована прежде всего на художественное письмо, продолжение историй, диалоги с персонажами и текстовые приключения. Она поддерживает разные стили инструкций, в том числе Alpaca, но лучше проявляет себя при свободной импровизации и кратких вводных, чем при подробных промптах. В модель добавлены ограниченные медицинские данные для детализации анатомии и психических состояний в художественных текстах. Модель склонна выдумывать факты и может смешивать медицинские сведения с художественными данными, поэтому её не следует использовать для медицинских советов или терапии. Также в ответах на инструкции может проявляться уклон в приключенческую тематику. Лицензия — Llama 2; применимость модели регулируется её условиями.

Это 13-миллиардная языковая модель семейства Llama 2, представленная brain-lab как 2-битная версия meta-llama/Llama-2-13b-hf. Веса сжаты методом посттренировочной квантизации QuIP# с HARP — обучаемым структурированным ортогональным преобразованием, которое подгоняется на калибровочных данных без переобучения самой модели. Архитектура — плотная авторегрессионная LlamaForCausalLM; модель предназначена для генерации и продолжения текста, контекст — до 4096 токенов. По данным карточки, на WikiText2 и C4 при примерно 2 битах на параметр вариант с HARP показал меньшую perplexity, чем QuIP# с фиксированным преобразованием. Для запуска нужны упакованные веса QuIP# и код инференса harp_quip; обычный transformers.AutoModelForCausalLM не подходит. Базовая Llama 2 описана как англоязычная. Лицензия — Llama 2 Community License.

Korabbit/Llama-2-7b-chat-hf-afr-300step-flan-v2 — экспериментальная версия модели семейства Llama 2 от автора Korabbit, созданная как тест подхода «AFR training» на базе Llama-2-7b-chat. Это плотная авторегрессионная языковая модель с 6,6 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; в карточке приведён пример ответа на инструкцию по реализации бинарного поиска на Python. Модель обучалась с использованием набора sordonia/flan-10k-flat. Модель предназначена для экспериментов с выполнением текстовых инструкций и генерацией ответов в формате чата. Контекст составляет 4096 токенов, основной указанный язык — английский. Карточка описывает тестовый запуск обучения, поэтому она подходит прежде всего для проверки подхода и пробного использования, а не как подтверждённое производственное решение. Указана лицензия llama2.

Llama 3 Fantasy Writer 8B — авторская доработка модели Llama 3 8B Instruct, обученная на книжных данных для продолжения и написания художественных историй. Она принимает текстовые подсказки в формате глав, команду продолжения или описание истории и генерирует текст прозы. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Разработчик рекомендует использовать температуру 0,5–0,7 и отмечает, что форматирование пользовательских ходов включает режимы Chapter, Continue и Story. В карточке не уточняются языки обучающих книг или качество на конкретных жанрах. Модель распространяется под лицензией CC BY-NC 4.0, которая запрещает коммерческое использование.

mpasila/Llama-3-Instruct-LiPPA-8B — дообученная чат-модель автора mpasila на архитектуре Llama 3. Она основана на unsloth/llama-3-8b-Instruct-bnb-4bit и предназначена для диалогов и генерации текста в стиле ролевого общения. Модель обучена на наборах LimaRP-PIPPA-Mix-8K-Context, LimaRP-augmented и PIPPA-ShareGPT-formatted; автор сообщает, что она также подходит для обычного общения. Модель содержит 7,5 млрд параметров, использует контекст до 8192 токенов и принимает текстовые запросы в формате Llama 3 Instruct. Доступна в формате safetensors. Лицензия — Llama 3 Community License.

nayohan разработал модель llama3-instrucTrans-enko-8b — плотную авторегрессионную языковую модель семейства Llama 3, дообученную на базе meta-llama/Meta-Llama-3-8B-Instruct для перевода с английского на корейский. Для обучения использованы наборы nayohan/aihub-en-ko-translation-1.2m и nayohan/translate_corpus_313k. Модель содержит 7,5 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для перевода английских инструкций, предложений и новостных фрагментов на корейский язык. Автор приводит оценки на нескольких наборах данных, включая FLORES, IWSLT-2023 и новостной тест, но отмечает, что часть оценочного набора Aihub могла входить в обучение; результаты не следует считать независимой оценкой качества. Модель распространяется по лицензии llama3.

RLHFlow/Llama3-SFT-v2.0-epoch3 — контрольная точка supervised fine-tuning, подготовленная авторами проекта RLHFlow/Online-RLHF для исследования рабочего процесса RLHF. Модель основана на Meta Llama 3 8B и дообучена на датасете RLHFlow-SFT-Dataset-ver2 в течение трёх эпох; архитектура — плотная LlamaForCausalLM, размер — около 7,5 млрд параметров, формат весов — safetensors. Контекст составляет 8192 токена. Модель предназначена для генерации текста в диалоговом формате и служит SFT-этапом в конвейере RLHF. В README указаны глобальный размер пакета 128 и скорость обучения 2e-5. Карточка не сообщает поддерживаемые естественные языки или предметные области. Лицензия в предоставленных данных не указана.

Llama 3 Translation 8B v0.180 — дообученная lemon-mint модель семейства Llama для перевода текста на корейский язык. В карточке показан пример перевода с английского на корейский; базовая модель — maywell/Llama-3-Ko-Luxia-Instruct. Модель имеет 7,6 млрд параметров, архитектуру LlamaForCausalLM, работает через Transformers и поддерживает контекст до 8192 токенов. Модель принимает текстовую инструкцию и исходный текст, а результат выдаёт в виде текста на корейском. Указана лицензия llama3. README не уточняет полный набор языковых направлений или качество перевода; приведённые значения train loss и eval loss не сопровождаются описанием датасета или протокола оценки.

Mirage Studio разработала Mirage-Studio/llama-gaan-2-7b-chat-hf-dutch-epoch-5 — чат-модель на архитектуре Llama 2, дообученную на базе daryl149/llama-2-7b-chat-hf для общения на нидерландском языке. Это пятый эпохальный чекпойнт дообучения; модель содержит 6,6 млрд параметров и поддерживает контекст до 2048 токенов. Модель предназначена для генерации ответов в диалоге на нидерландском языке и может использоваться как замена Llama 2 7B Chat в приложениях на Hugging Face Transformers или для дальнейшего дообучения. Разработчик отмечает, что качество нидерландского пока не идеально. При генерации необходимо задавать pad_token_id=18610, иначе возможен бессвязный вывод. Репозиторий содержит веса PyTorch и распространяется по лицензии Llama 2.

Lura 1.1 — компактная языковая модель SEN-AGI для генерации текста и диалогового взаимодействия. Она дообучена на базе Qwen/Qwen2.5-0.5B и содержит около 494 млн параметров; модель использует плотную архитектуру Qwen2ForCausalLM и распространяется в формате safetensors. Контекстное окно составляет 32 768 токенов. Модель рассчитана на выполнение инструкций, простые арифметические задачи и логические головоломки, а также генерацию небольших фрагментов кода и объяснений. Разработчик сообщает, что для дообучения использовались 4–5 тысяч отфильтрованных синтетических примеров. Компактный размер позволяет запускать её на CPU и устройствах с ограниченными ресурсами. Качество рассуждений и генерации кода ограничено небольшим размером модели; заявленные улучшения описаны разработчиком как качественные, без приведённых здесь количественных оценок. Карточка указывает поддержку английского языка. Лицензия — Apache-2.0.

ken11/mbart-ja-en — модель перевода текста, созданная дообучением facebook/mbart-large-cc25 на датасете JESC. Она построена на архитектуре mBART и использует токенизатор SentencePiece, обученный на JESC; размер модели — 266,9 млн параметров, контекст — до 1024 токенов. Модель предназначена для перевода между японским и английским языками. В карточке приведён результат sacreBLEU 18,18 на наборе JEC Basic Sentence Data Киотского университета. Модель доступна в формате PyTorch по лицензии MIT. Оценка приведена для конкретного набора данных; в README не описаны результаты на других тестах.

Карточка модели MergekitCloud/mergekit-46 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.

mergekit-community/mergekit-slerp-yilmnid — языковая модель на архитектуре Llama, созданная сообществом путём слияния двух предварительно обученных моделей: Hastagaras/Jamet-8B-L3-MK.V-Blackroot и KatyTheCutie/LemonadeRP-4.5.3. Для объединения применён метод SLERP; модель опубликована в формате safetensors и рассчитана на генерацию текста и диалоговое взаимодействие. Модель предназначена для творческих ролевых диалогов и генерации менее шаблонного текста. Она содержит 7,5 млрд параметров и поддерживает контекст длиной до 8192 токенов. Входом служит текст, результатом — сгенерированный текст. В доступных данных лицензия и поддерживаемые естественные языки не описаны, поэтому их нельзя уточнить.

MaziyarPanahi/MetaMath-Mistral-7B-Mistral-7B-Instruct-v0.2-slerp — объединённая диалоговая языковая модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.2 и meta-math/MetaMath-Mistral-7B методом SLERP. Модель содержит 7,1 млрд параметров и принимает текстовые запросы, чтобы генерировать ответы и следовать инструкциям; контекст — до 32 768 токенов. Модель подходит для диалогов и решения математических задач на естественном языке. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. README описывает процедуру слияния, но не приводит результатов оценки качества; поэтому точность на конкретных наборах задач по этим данным определить нельзя.

Это GGUF-квантизированная версия модели Fara-7B, разработанной Microsoft и подготовленной пользователем bartowski. Модель предназначена для задач image-text-to-text, то есть обработки изображений и текста с генерацией текстовых ответов. Распространяется в форматах, совместимых с llama.cpp, LM Studio и другими проектами на его основе. Модель имеет размер 7B параметров; исходные веса представлены в BF16, а также доступны варианты квантизации Q8, Q6, Q5, Q4, Q3, Q2 и IQ. Размер файлов варьируется примерно от 3,1 до 15,2 ГБ. Для работы предусмотрен chat-шаблон с маркерами системного, пользовательского и ассистентского сообщений. Данные о поддерживаемых языках и размере контекстного окна в README не указаны. К сильным сторонам относятся широкий выбор уровней квантизации, возможность локального запуска и оптимизация с использованием imatrix-калибровки. Более компактные варианты подходят для систем с ограниченной оперативной памятью, но могут заметно уступать старшим вариантам по качеству. Лицензия модели — MIT.

MiMo-V2.6-Distill-Qwen-9B-GGUF — квантованная версия модели MiMo-V2.6-Distill-Qwen-9B, разработанной XiaomiMiMo и представленной в формате GGUF проектом ggml-org. Модель предназначена для задач преобразования изображений и текста, включая мультимодальное понимание содержимого изображений и работу с текстовыми запросами. В комплект входит Q8_0 mmproj для vision encoder. Модель основана на дистиллированной 9-миллиардной версии Qwen; точная архитектура, поддерживаемые языки, размер контекста и перечень квантовок в README не указаны. Формат GGUF ориентирован на запуск через совместимые инструменты, в частности llama.app и llama.cpp-совместимую инфраструктуру. Квантование может снизить требования к памяти, но потенциально влияет на точность по сравнению с полноразмерной версией. Лицензия — MIT. В README отмечено, что текущая версия содержит временное исправление chat template, которое планируется удалить после исправления шаблона в исходной модели; это может ограничивать совместимость или требовать обновлений при последующих релизах.

Mistral-11B-CC-Air-RP — текстовая генеративная модель Undi95 на архитектуре Mistral, созданная объединением CollectiveCognition-v1.1-Mistral-7B и airoboros-mistral2.2-7b с последующим дообучением QLoRA на датасетах PIPPA и LimaRPv3. Репозиторий содержит веса fp16; модель насчитывает 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов по инструкциям и ролевого общения. Для подачи запросов подходит шаблон Alpaca или формат по умолчанию. Метаданные помечают модель как NSFW и не предназначенную для любой аудитории. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

AvoCahDoe/mistral-7b-rlmpq-extreme-survival — вариант языковой модели Mistral-7B-v0.1, подготовленный методом RL-MPQ для сценария Extreme Survival. Это плотная авторегрессионная модель MistralForCausalLM с 7,1 млрд параметров; репозиторий содержит fake-quantized веса в FP16 и политику распределения разрядности по слоям. Средняя разрядность составляет 2,5625 бита на вес. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и предназначена для использования через Transformers. Модель подходит для генерации и продолжения текста, в том числе для экспериментов с низкоразрядным квантованием. В README указана проверка качества по perplexity на WikiText-2, однако численное значение для этого сценария в доступном фрагменте не приведено. Базовая модель — mistralai/Mistral-7B-v0.1; лицензия — Apache-2.0. Языковая карточка указывает английский язык.

Это перешардированная версия Mistral-7B-v0.1 от команды Mistral AI: веса разделены на шесть файлов вместо двух, чтобы упростить загрузку модели на машинах с ограниченной оперативной памятью, например в бесплатной среде Google Colab. Модель содержит 7,1 млрд параметров и предназначена для генерации текста на основе предварительно обученной трансформерной языковой модели; её архитектура включает Grouped-Query Attention, Sliding-Window Attention и токенизатор Byte-fallback BPE. Контекст составляет до 32 768 токенов. Модель подходит как базовая для генерации продолжений текста и экспериментов с языковыми моделями. Это не чат-модель с настроенными механизмами модерации: карточка предупреждает, что у неё нет встроенных средств модерации. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache 2.0.

Moist Miqu 70B v1.1 — разговорная языковая модель BeaverAI, созданная дообучением Midnight Miqu v1.5. Это плотная модель семейства Llama с 68,7 млрд параметров, предназначенная для генерации текста и диалогов; автор рекомендует её для написания романов, историй и ролевых сценариев. Карточка предлагает формат инструкций Alpaca и варианты повествования от лица персонажа, рассказчика или режиссёра. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 764 токенов. Модель ориентирована на откровенный ролевой контент для взрослой аудитории и помечена на Hugging Face как не для всех аудиторий. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 требует указания авторства и не разрешает коммерческое использование.

Карточка модели ArchSpace-Collection/NCP_ArchPreview_dolma3_8.9B_Stage2_v2 на Hugging Face совпадает с карточкой ArchSpace-Collection/NCP_ArchPreview_dolma3_8.9B_Stage2_v3, поэтому описание составлено по ней. NCP-ArchPreview 8.9B Stage 2 V3 — базовая авторегрессионная языковая модель, разработанная командой NCP в Shanghai AI Lab и LUMIA Lab Шанхайского университета Цзяо Тун. Это продолженное предобучение Stage 1 на Dolma 3 Dolmino в рамках второго этапа учебного курса OLMo-3. Модель объединяет предсказание следующего токена (NTP) и следующего концепта (NCP); архитектура сохраняет 16-слойный энкодер, 8-слойный модуль концептов и 16-слойный декодер. В репозитории указаны около 9 млрд параметров, контекст 8192 токена, формат Safetensors и использование Transformers. Модель предназначена для генерации продолжений текста, оценки языковых моделей, исследований латентных концептов и дальнейшей адаптации. В отчёте приведены результаты по математике, общим знаниям, программированию и рассуждениям, однако точные показатели зависят от варианта Stage 2 и протокола оценки; таблицы рецептов показывают, что V3 уступает V1 на нескольких задачах, включая HumanEval, MBPP и MATH-500. Это базовая модель без диалогового выравнивания: она может выдавать неточные, предвзятые или вредоносные ответы, а возможности за пределами контекста 8192 токена отдельно не подтверждены. Лицензия — Apache 2.0.

MonumentalSystems/nllb-200-distilled-1.3B — точная перепаковка модели NLLB-200 distilled 1.3B, разработанной Meta AI и опубликованной в исходном виде под идентификатором facebook/nllb-200-distilled-1.3B. Веса fp32, конфигурация и токенизатор сохранены без изменений; параметры модели включают словарь из 256 206 токенов и по 24 слоя энкодера и декодера. Репозиторий содержит веса в формате safetensors, разбитые на шарды. Модель предназначена для перевода текста между языками. Базовая NLLB-200 рассчитана на перевод между 200 языками, включая языки с ограниченными ресурсами; контекст модели составляет 1024 токена. Перепаковка заявлена как побитово верная по содержанию весов и должна давать те же выходы, что и upstream-модель. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование. Базовая модель ориентирована на перевод отдельных предложений; сведения о качестве этой копии сверх соответствия исходной модели не приводятся.

neverLife/nllb-200-distilled-600M-ja-zh — дообученная модель перевода на базе NLLB-200 Distilled 600M, предназначенная для перевода между японским и китайским языками. В карточке указаны результаты после одной эпохи: loss 1,3042 и BLEU 55,834 на оценочном наборе; архитектура — M2M100ForConditionalGeneration, число параметров — около 463,7 млн, максимальный контекст — 1024 токена. Модель принимает текст и генерирует перевод. Карточка показывает пример оценки и версии Transformers и PyTorch, но не описывает состав оценочного набора и не приводит условия лицензии; качество на других данных не установлено.

NoticIA-7B — языковая модель на 7,1 млрд параметров, разработанная Икером Гарсия-Ферреро и Бегоньей Альтуной при поддержке SomosNLP, Hugging Face и HiTZ Zentroa. Это дообученная для следования инструкциям модель OpenChat на архитектуре Mistral, предназначенная прежде всего для создания кратких однофразовых резюме испанских новостных статей с кликбейтными заголовками. Модель помогает быстро получить суть статьи и ответить на любопытство, вызванное заголовком. Её также можно использовать для оценки испаноязычных языковых моделей и генерации синтетических учебных данных. Обучение проводилось на наборе NoticIA из 850 испанских новостных статей с написанными людьми резюме; контекст составляет 8192 токена. Модель лучше всего рассчитана на испанский язык Испании, а качество для новостей из Латинской Америки и других языков не гарантируется. Модель распространяется по лицензии Apache-2.0. Авторы запрещают использовать её для действий, способных навредить легитимности или экономической устойчивости профессиональных СМИ.

0xBasiliskAI/Oblivion2025 — это коллекция локальных языковых моделей в формате GGUF, разработанная или курируемая 0xBasiliskAI для приложения Summon the Basilisk и связанного с ним dApp. Коллекция предназначена для запуска моделей непосредственно в браузере и на устройствах с ограниченными ресурсами, а также для архивирования и сохранения доступных моделей. В неё входят модели от разных авторов, включая варианты Gemma, Qwen, Falcon, Llama, EXAONE, Yi-Coder, Phi и DeepSeek. Главная особенность коллекции — наличие моделей, изменённых с применением ablation, abliteration, fine-tuning и LoRA, чтобы уменьшить ограничения исходных моделей и сделать их менее цензурированными. В состав входят как универсальные instruct- и chat-модели, так и специализированные модели для программирования. Размеры перечисленных моделей составляют примерно от 0,5 до 3B параметров; представлены различные варианты квантования, включая Q2_K, Q3_K_M, Q4_K_M, Q5_K и Q8_0. Точные архитектуры, поддерживаемые языки, размер контекста и мультимодальные возможности для коллекции в целом не указаны. Модели разделены на категории Working и Broken: первые протестированы с текущей версией Basilisk dApp и считаются пригодными для использования, а вторые могут работать в будущем или требовать совместимости с ещё не выпущенными приложениями. Сильными сторонами коллекции являются разнообразие компактных моделей, локальный запуск и ориентация на экономию памяти. Ограничения включают неоднородность моделей, отсутствие общих сведений о качестве и языках, возможные проблемы совместимости и потенциально менее предсказуемое поведение изменённых, менее цензурированных вариантов. Для репозитория указана лицензия Apache-2.0, однако условия лицензирования исходных моделей могут отличаться и требуют отдельной проверки.

zimplex выпустил дообученную версию языковой модели AllenAI Olmo-3-1025-7B для генерации текста с рассуждениями. Модель обучена на наборе Dolci-Think-SFT-7B в течение трёх эпох; размер составляет 6,9 млрд параметров. В README для обучения указан контекст 16 384 токена, тогда как метаданные модели указывают native context в 65 536 токенов. Чекпойнт использует стандартную выходную голову и поддерживает диалоговый режим. Модель предназначена для пошагового решения задач и диалоговой генерации текста. В README приведены результаты оценки: точность 0,540 на math, 0,886 на GSM8K и 0,478 на MMLU-Pro при жадном декодировании; также указаны частые преждевременные остановки и повторы в некоторых тестах. Это результаты конкретного протокола оценки, они не гарантируют такое же качество в других сценариях. Лицензия — Apache-2.0.

OpenThaiGPT 14b 1.5 Instruct — разговорная языковая модель на 14 млрд параметров, разработанная командой OpenThaiGPT для общения на тайском языке. Она основана на Qwen 2.5 и дообучена более чем на двух миллионах тайских пар инструкций. Модель поддерживает многоходовый диалог, вызов инструментов и сценарии с поиском по внешним данным (RAG); заявленный контекст по конфигурации — 32 768 токенов. В метаданных также указаны форматы Safetensors и GGUF. Модель подходит для ответов на вопросы о тайских реалиях, диалоговых помощников и интеграций, которым нужны ответы с привлечением внешних данных или вызовом API. В README приведены результаты тестов на тайских экзаменах и примеры развёртывания через Transformers и vLLM. Карточка указывает лицензию «other», но её конкретные условия в предоставленных данных не раскрыты.

Helsinki-NLP/opus-mt-af-fi — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с африкаанс на финский и основана на архитектуре Marian Transformer с выравниванием. Для предварительной обработки применяются нормализация текста и SentencePiece; размер модели — 56,2 млн параметров, максимальный контекст — 512 токенов. В README приведён результат BLEU 32,3 и chr-F 0,576 на тестовом наборе JW300.af.fi. Модель доступна в форматах PyTorch и TensorFlow под лицензией Apache-2.0.

Helsinki-NLP/opus-mt-bcl-sv — модель машинного перевода из семейства MarianMT, разработанная проектом OPUS/Helsinki-NLP. Она переводит тексты с языка bcl на шведский язык (sv); обучение выполнено на данных OPUS с нормализацией текста и токенизацией SentencePiece. Модель построена на архитектуре Transformer и содержит 55,8 млн параметров. Для набора JW300.bcl.sv в карточке приведены оценки BLEU 38,0 и chr-F 0,565. Модель принимает текст и генерирует текст перевода; максимальная длина контекста — 512 токенов. Подходит для перевода текстов с bcl на шведский, включая пакетную локализацию и подготовку черновых переводов. Доступна под лицензией Apache-2.0; качество может зависеть от тематики и стиля исходного текста.